論文の概要: AssayRouter: Historical Utility Priors for Frozen Molecular Predictor Routing
- arxiv url: http://arxiv.org/abs/2609.37285v1
- Date: Tue, 29 Sep 2026 11:27:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.443392
- Title: AssayRouter: Historical Utility Priors for Frozen Molecular Predictor Routing
- Title（参考訳）: AssayRouter:冷凍分子予測回路の歴史的実用性
- Abstract要約: 得られたChEMBLMTアッセイのみをトレーニングし、6つの凍結界面ファミリーの24の外部回帰アッセイを評価する。
Assay-Cは、Support-CV@4と比較して、厳格な4コールの負のログ類似度(NLL)を0.0409削減する。
- 参考スコア（独自算出の注目度）: 16.745093090677475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Laboratories often face a new molecular assay with 16-64 labels and a bank of predictors whose training data and parameters are unavailable. The practical question is which frozen outputs to include in a small local model. AssayRouter treats completed assays as pseudo-targets and labels each candidate by its post-fit utility: the reduction in held-out discovery loss when the candidate is added to the local target predictor. A shared regressor learns to predict this utility from candidate behavior on the support set, without source identity; on a new assay, one frozen ranking selects four sources and separate labels fit a convex combiner. We train only on completed ChEMBL-MT assays and evaluate 24 external regression assays across six frozen interface families. AssayRouter-C lowers strict four-call negative log-likelihood (NLL) by 0.0409 relative to Support-CV@4. Frozen candidate-label permutations confirm that candidate-utility correspondence carries the transferred information, and leave-one-interface-out training shows that the mapping generalizes to unseen predictor families. Completed assays therefore provide transferable supervision for scarce-label routing through frozen prediction interfaces.
- Abstract（参考訳）: 実験室はしばしば16-64ラベルとトレーニングデータとパラメータが利用できない予測器のバンクで新しい分子アッセイに直面している。
現実的な問題は、どのフリーズアウトプットを小さなローカルモデルに含めるかである。
AssayRouterは、完了したアッセイを擬似ターゲットとして扱い、それぞれの候補をポストフィットユーティリティによってラベル付けする。
共有回帰器は、ソースの同一性のないサポートセット上の候補動作からこのユーティリティを予測することを学習し、新しいアッセイでは、凍結したランキングが4つのソースを選択し、別々のラベルが凸結合器に適合する。
得られたChEMBL-MT測定値のみをトレーニングし、6つの凍結界面ファミリーの24の外部回帰測定値を評価する。
AssayRouter-Cは、Support-CV@4と比較して、厳格な4つの負のログ類似度(NLL)を0.0409削減する。
凍結した候補ラベルの順列は、候補ユーティリティ対応が転送された情報を持っていることを確認し、一対一のトレーニングは、マッピングが目に見えない予測系に一般化することを示している。
したがって、完結したアッセイは凍結予測インタフェースを介して、希少なラベルルーティングの転送可能な監視を提供する。
関連論文リスト
- Controlled Decoding Attacks on Black-Box LLMs [68.46062477706256]
Methodは、繰り返しサンプリングとアシスタント-継続を可能にする、テキストのみの継続インターフェイスを通じてジェイルブレイクを行うためのフレームワークである。
Risk-Gated Residual Controlは、進化する応答プレフィックスを使用して、配布の再構築と修正をいつ行うかを決定する。
Speculative Multi-Token Executionは、介入を必要としないドラフトプレフィックスの検証と受け入れによって、さらにターゲットコールを償却する。
論文 参考訳（メタデータ） (2026-09-29T07:58:49Z) - Recommendation World Models for Future-State Control [53.191633845200876]
我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。
UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。
本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
論文 参考訳（メタデータ） (2026-09-25T02:37:48Z) - Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。
我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。
オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文 参考訳（メタデータ） (2026-08-23T03:07:03Z) - A Pre-Specified Construction-Confirmation Test of Operation-Level Causal Transfer Across Finite Isomorphic Symbolic Domains [0.0]
2つの操作間の隠れ状態の違いが、ソース入力毎に別々に推定されているかどうかを問う。
この設計は、入力固有の介入を、不正操作、ノルムマッチングランダム、ノーオップ制御と比較し、個別に分離された確認分割から候補構築を分離する。
論文 参考訳（メタデータ） (2026-08-16T15:37:26Z) - When Does Permutation Instability Generalize? Independent-View Validation for Listwise LLM Reranking [0.0]
リストワイズ言語モデルリランカは、等価な候補置換に異を唱える。
有限不安定診断は、追加のサンプリング、アグリゲーション、選択的な計算の動機付けに使用される。
有限ビュー不安定度スコアが未確認順列を予測するという主張にどのように影響するかを考察する。
論文 参考訳（メタデータ） (2026-08-13T03:40:32Z) - A multiverse-consensus pipeline for reproducible feature selection in untargeted LC-MS metabolomics [1.452875650827562]
LC-MSメタボロミクスは、多くの事前処理決定を必要とする。
目的のないメタボロミクスの特徴選択に多変量解析を適用する。
論文 参考訳（メタデータ） (2026-07-19T17:14:17Z) - ARBOR: Online Process Rewards via a Reusable Rubric Buffer for Search Agents [48.80766702702854]
LLMベースの検索エージェントは、主に結果のみの報酬で訓練され、検索プロセス自体は監督されていない。
この信号は、全てのサンプル軌跡が同じ正当性を共有する結果同質な群に対して退化し、群内の優位性はゼロとなり、勾配は得られない。
ARBOR(Adaptive Buffer for Online Reward)は,クエリ間で共有されるルーリックメモリを維持する再利用可能なプロセス・リワードフレームワークである。
論文 参考訳（メタデータ） (2026-06-02T06:58:54Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳（メタデータ） (2026-05-27T03:41:11Z) - "Minus-One" Data Prediction Generates Synthetic Census Data with Good Crosstabulation Fidelity [0.0]
分類的調査結果のデータセットに関連のある統計関連を,MODPと呼ばれる手法を用いて収集する。
交叉振動がすべての交叉細胞に対して5%の正中性を有する合成応答を生成する。
論文 参考訳（メタデータ） (2024-06-07T21:18:25Z) - Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。
我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文 参考訳（メタデータ） (2023-12-27T09:03:43Z) - Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。
本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:05:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。