論文の概要: Coverage You Can Steer: Online Conformal Calibration for RL-Driven Hardware-Aware NAS

• arxiv url: http://arxiv.org/abs/2610.03127v1
• Date: Fri, 02 Oct 2026 10:47:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.335387
• Title: Coverage You Can Steer: Online Conformal Calibration for RL-Driven Hardware-Aware NAS
• Title（参考訳）: RL駆動型ハードウェア対応NASのためのオンラインコンフォーマルキャリブレーション
• Abstract要約: ハードウェア対応ニューラルアーキテクチャサーチ(NAS)は、評価コストに支配されている。 ワンショット定量推定をオンラインフィードバック制御に置き換える。 NASは要求された全てのレベルを$sim10-3$以内まで追跡し、評価の25～50%を測定精度なしでプルーニングする。
• 参考スコア（独自算出の注目度）: 3.3784794389620454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hardware-aware neural architecture search (NAS) is dominated by evaluation cost: every architecture must be trained before its reward is known. Conformal-prediction filters cut this cost by pruning candidates whose predicted-reward upper bound misses a threshold, with a distribution-free guarantee that at most a fraction $δ$ are wrongly discarded. That guarantee assumes exchangeability between calibration and test candidates, which the surrounding reinforcement-learning (RL) loop violates: the policy's proposals improve as search proceeds and, in layer-by-layer construction, shift within every episode. We replace one-shot quantile estimation with online feedback control (Adaptive Conformal Inference, with tuning-free, locally-adaptive, and group-conditional variants), restoring steerable coverage: dialing the target delivers it, monotonically and reproducibly, for arbitrary sequences. Across three neural-network architecture families and both single-step and sequential search (three seeds), it tracks every requested level to within ${\sim}10^{-3}$ while pruning 25-50% of evaluations at no measured accuracy cost, whereas static calibration loses control of its coverage and a Gaussian-process baseline stays conservative regardless of the request. Finally, used as an acquisition function on one constrained testbed, the same optimistic bound beats random search, a gain that fixed optimism already carries and online calibration sharpens. The source code is available at https://github.com/Vicomtech/rl-hw-nas.
• Abstract（参考訳）: ハードウェア対応のニューラルアーキテクチャサーチ(NAS)は、評価コストによって支配されている。 コンフォーマル予測フィルタは、予測逆上界が閾値を逸脱する候補をプルーニングすることで、このコストを削減し、分布自由保証は、少なくとも$δ$は誤って破棄される。 この保証は、キャリブレーションとテスト候補との交換性を前提としており、周囲の強化学習(RL)ループが違反している。 我々は1ショットの量子推定をオンラインフィードバック制御(適応コンフォーマル推論、チューニング不要、局所適応、グループ条件の変種)に置き換え、ステアブルなカバレッジを復元する。 3つのニューラルネットワークアーキテクチャファミリと、シングルステップおよびシーケンシャル検索(3つのシード)の両方で、要求レベルを${\sim}10^{-3}$以内まで追跡し、測定精度の犠牲なしに25～50%の評価をプルーニングする一方、静的キャリブレーションはカバー範囲の制御を失い、ガウス過程のベースラインは要求に関係なく保守的である。 最後に、ある制約されたテストベッド上で取得関数として使用される場合、同じ楽観的な境界がランダム検索に勝り、固定楽観主義がすでに持ち歩いていて、オンライン校正が急上昇する。 ソースコードはhttps://github.com/Vicomtech/rl-hw-nas.comで公開されている。

関連論文リスト

• Replicable Conformal Prediction [0.3058685580689604]
  2人のアナリストが毎回、独立したサンプルで同じ予測モデルを調整します。 2つのキャリブレーションが同じオブジェクトを生成することを確認できない。 一つのランダムなシードを共有し、キャリブレーションされた閾値を粗い共有グリッドまで丸めれば、緊張は解消される。
  論文  参考訳（メタデータ） (2026-08-23T17:47:40Z)
• Active Quantum Kernel Acquisition for Gaussian Process Regression [30.032230630492155]
  量子カーネル分類に関する最近の研究は、カーネルエントリに不均一にショットを割り当てることによって、ターゲット精度に到達するために必要なショット予算を削減できることを示した。 我々はこのアイデアをガウス過程(GP)回帰(英語版)に拡張し、下流の量(全スペクトル後方分散、対数行列、辺縁確率)が、符号のみの分類出力よりも厳密なカーネルエラーに結合する設定とする。 我々は、3つの閉形式のペアレベル感性予測結合 $|_i_j|$, leave-one-out residual, and marginal-likelihood gradient を導出し、それらをネイマン型最小値に差し込む。
  論文  参考訳（メタデータ） (2026-06-27T09:40:20Z)
• Decoupled Conformal Optimisation: Efficient Prediction Sets via Independent Tuning and Calibration [20.21455697379946]
  そこで我々は,列車チューンキャリブレート設計の原則としてデカップリング・コンフォーマル最適化(DCO)を提案する。 DCOは、効率指向構造選択のために独立したチューニングスプリットと、最終共形量子化のための新鮮なキャリブレーションスプリットを使用する。 DCOは,PACスタイルのキャリブレーションに対して,平均予測セットサイズや間隔幅を小さくしながら,名目カバレッジレベルを密に追跡する。
  論文  参考訳（メタデータ） (2026-05-18T13:10:21Z)
• Probing Routing-Conditional Calibration in Attention-Residual Transformers [17.576884726604902]
  内部ルーティングトレースは、しばしば予測の信頼性を示すために使用される。 これらの痕跡は、信頼性を超えたポストホックキャリブレーションの安定したルーティング固有の証拠を提供していない。 信頼のみのキャパシティを制御に含めると、ルーティングプロファイルが同等のパフォーマンスを達成することを示す。 この設定は、一致した信頼、帯域幅、容量、置換制御が共通の欠点を除外するまで、内部状態のキャリブレーションとして読むべきではない。
  論文  参考訳（メタデータ） (2026-05-11T01:06:25Z)
• Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
  自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。 任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。 本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
  論文  参考訳（メタデータ） (2026-02-19T17:21:15Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)
• Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
  自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。 本稿では,ユーザの目標が目標間隔として指定される設定について検討する。 我々は、共形予測を反転させて確率推定を計算する。
  論文  参考訳（メタデータ） (2022-11-29T18:41:20Z)
• Actor-Critic based Improper Reinforcement Learning [61.430513757337486]
  我々は,未知のマルコフ決定プロセスに対して,学習者に100万ドルのベースコントローラを付与する不適切な強化学習環境を考える。 本稿では,(1)ポリシーグラディエントに基づくアプローチ,(2)単純なアクター・クリティカル・スキームとNatural Actor-Criticスキームを切り替えるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-19T05:55:02Z)

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。