論文の概要: When Error Mitigation Makes Things Worse: Budget-Aware Evaluation, Extrapolation Failure, and the Calibration Trust Boundary
- arxiv url: http://arxiv.org/abs/2609.38713v1
- Date: Wed, 30 Sep 2026 00:49:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.892286
- Title: When Error Mitigation Makes Things Worse: Budget-Aware Evaluation, Extrapolation Failure, and the Calibration Trust Boundary
- Title（参考訳）: 誤り軽減が物事を悪化させる時-予算面の評価、外挿失敗、校正信頼境界
- Abstract要約: 制御オフセットの誤判定では、評価されたゼロノイズ外挿推定器は38-63%のシミュレートされたインスタンスの緩和よりも悪い。
IBM Heronによる小さな研究では、2つの深さにわたる18のインスタンスの80-88%が悪化し、平均エラーは生エラーの3.0-4.1倍である。
この結果は、短期的な量子学習パイプラインにおける予算評価、テールリスク、キャリブレーションの整合性を結合する。
- 参考スコア（独自算出の注目度）: 9.879250367275388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Error mitigation is expected to turn noisy quantum measurements into more useful estimates. We show that it can instead amplify error. Under control-offset miscalibration, the evaluated unconstrained zero-noise extrapolation (ZNE) estimators are worse than no mitigation on 38-63% of simulated instances and produce extreme tail errors. A small IBM Heron study finds worsening on 80-88% of 18 instances across two depths, with mean error 3.0-4.1 times the raw error. In simulation, the median changes little, so median-only monitoring misses the failures. We then compare methods at the same online shot budget per evaluation and report offline training cost separately. After that cost is amortized, a budget-conditioned neural corrector occupies the low-budget end of the simulated accuracy-cost frontier and falls back to the raw estimate when an ensemble disagrees; its hardware transfer remains unsuccessful. Finally, we treat provider-reported calibration as an input that is not bound to the execution-time device state. A white-box projected-gradient stress test on this metadata increases the corrector's error 8.1 times within the feature ranges used for training and evades the disagreement monitor on half of the worsened cases. Together, the results connect budget-aware evaluation, tail risk, and calibration integrity in near-term quantum learning pipelines.
- Abstract（参考訳）: 誤差緩和は、ノイズの多い量子測定をより有用な推定値に変えることが期待されている。
代わりにエラーを増幅できることを示す。
制御オフセットの誤判定では、評価されたゼロノイズ外挿(ZNE)推定器は38-63%のシミュレートされたインスタンスを緩和せず、極端なテールエラーを発生させる。
IBM Heronによる小さな研究では、2つの深さにわたる18のインスタンスの80-88%が悪化し、平均エラーは生エラーの3.0-4.1倍である。
シミュレーションでは、中央値の変更はほとんどなく、中央値のみの監視は失敗を見逃す。
次に、評価毎に同じオンラインショット予算でメソッドを比較し、オフライントレーニングコストを別々に報告する。
このコストが償却された後、予算条件のニューラルネットワーク補正器は、シミュレーションされた精度コストフロンティアの低予算の端を占有し、アンサンブルが一致しない場合、生推定にフォールバックする。
最後に,プロバイダがレポートしたキャリブレーションを,実行時のデバイス状態に縛られない入力として扱う。
このメタデータに対するホワイトボックス投影段階ストレステストは、トレーニングに使用する特徴範囲内での修正者のエラー8.1倍の増加と、悪化したケースの半数で不一致モニタを回避する。
この結果は、短期的な量子学習パイプラインにおける予算評価、テールリスク、キャリブレーションの整合性を結合する。
関連論文リスト
- Terminal-Register Certification for Finite-Measurement Learning of Multiscale Quantum States [1.9599274203282304]
逆2次元多スケールエンタングルメント再正規化アンサッツ(MERA)による純粋一次元状態の学習について検討する。
理想的な逐次および終端測定スケジュールが一致した因果操作の下で同じ完全ビット列分布を提供することを確認した。
雑音認識定理は、有限ショット証明書に個別の摂動総変量実装予算を導入する。
論文 参考訳（メタデータ） (2026-09-27T13:41:20Z) - Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis [0.0]
リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。
条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。
これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
論文 参考訳（メタデータ） (2026-07-14T16:10:10Z) - Budgeted Act-or-Defer Multi-Agent LLM Deliberation with Local Reliability Bounds [8.682220907885714]
これを予算化された行動または決定決定として定式化します。
システムは議論のプレフィックスを低次元の状態にマップする。
境界がユーザ指定の信頼性しきい値を超えた場合にのみ作用する。
論文 参考訳（メタデータ） (2026-06-28T23:46:56Z) - Calibrated Inference for the Conditional Average Treatment Effect in the Few-Placebo Regime via Gaussian Processes [0.0]
片方の治療用アームが他方よりもはるかに小さい,少数のプラセボ系について検討した。
それらは、その名目レベルよりも、真の効果をほとんど含まない。
本稿では,各アームの結果面をガウス過程でモデル化するGP-CATEを提案する。
論文 参考訳（メタデータ） (2026-05-26T11:18:42Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - A Variational Estimator for $L_p$ Calibration Errors [44.81527473428586]
本稿では,$L_p$発散によって誘導される発散による校正誤差を,$L_p$発散によって引き起こされる広いクラス校正誤差をカバーするために,近年の変分フレームワークを拡張して,発散による校正誤差を推定する方法を示す。
論文 参考訳（メタデータ） (2026-02-27T17:56:52Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - Bridging Precision and Confidence: A Train-Time Loss for Calibrating
Object Detection [58.789823426981044]
本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。
その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
論文 参考訳（メタデータ） (2023-03-25T08:56:21Z)
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。