論文の概要: Task-Sufficient Contraction: Source Selection for Machine Information Interfaces
- arxiv url: http://arxiv.org/abs/2610.08884v1
- Date: Tue, 06 Oct 2026 12:30:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.525023
- Title: Task-Sufficient Contraction: Source Selection for Machine Information Interfaces
- Title（参考訳）: Task-Sufficient Contraction: マシン情報インタフェースのソース選択
- Abstract要約: 正確な収縮により、後の問題は、完全なソースが保持されているのと同じ結果で、そのソースで解決できる。
有限作用集合に対して、よりリッチなソースをこの削減されたソースで置き換えることは、完全な1ステップのレート-レグレット曲線を保存する。
2つ目の結果は、アフィンの実行可能な作用集合における2次損失を正確に特徴づけるものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A declared task can sometimes certify a reduced source before a downstream encoder, codebook, rate, distortion target, or optimizer is chosen. This paper studies when one such reduction preserves the complete downstream problem family, a property termed Task-Sufficient Contraction. The reduced source is fixed by the task before the later operating point is selected. An exact contraction allows the later problem to be solved on that source with the same result as if the full source had been retained. For a machine with a fixed set of possible actions and a fixed loss, the paper identifies a consumer-specific source by merging states only when every available action has the same regret in both. For finite action sets, replacing the richer source by this reduced source preserves the complete one-step rate-regret curve, even though the reduction is fixed before the distortion target is chosen. A second result gives an exact characterization for quadratic loss on affine feasible-action sets: the canonical reduced source is the projection onto the directions in which feasible actions can differ. Under a fixed energy budget, this becomes centered load, while retaining only the optimal water-filled action is too coarse. Earlier Information Bottleneck, semantic rate-distortion, and goal-oriented quantization results are then used to distinguish exact, architecture-conditioned, approximate, failed, and corrected contractions. The framework suggests a way for heterogeneous machines to exchange what a receiving task needs without first aligning their full internal representations.
- Abstract（参考訳）: 宣言されたタスクは、ダウンストリームエンコーダ、コードブック、レート、歪みターゲット、オプティマイザが選択される前に、削減されたソースを認証することがある。
本稿では,タスク充足契約(Task-Sufficient Contraction)と呼ばれる,完全な下流問題ファミリを保存する場合について検討する。
縮小されたソースは、後続の操作ポイントが選択される前にタスクによって固定される。
正確な収縮により、後の問題は、完全なソースが保持されているのと同じ結果で、そのソースで解決できる。
可能なアクションの固定セットと一定の損失を持つマシンに対しては、利用可能なアクションが両方で同じ後悔がある場合にのみ、状態とマージすることでコンシューマ固有のソースを識別する。
有限作用集合の場合、この低減されたソースによってリッチなソースを置換することは、歪み対象が選択される前に縮小が固定されたとしても、完全な1ステップのレート-レグレット曲線を保存する。
第二の結果は、アフィン・ファジブル・アクション集合上の2次損失の正確な特徴を与える: 正準還元源は、ファジブル・アクションが異なる方向への射影である。
固定されたエネルギー予算の下では、これは中心的な負荷となり、最適な水で満たされた動作のみを保持するのは粗い。
初期のインフォメーション・ボトルネック、セマンティック・レート・ディストーション、ゴール指向の量子化結果は、正確なアーキテクチャ条件、近似、失敗、修正された収縮を識別するために使用される。
このフレームワークは、不均質なマシンが、受信タスクが必要とするものを、まず内部表現を完全に整列せずに交換する方法を提案する。
関連論文リスト
- Capability Scaling-Down Laws for LLM Compression [57.14348517864116]
我々は, LLM圧縮のスケールダウン法則を, 刈り込み, 定量化, 蒸留にまたがって検討した。
我々のフレームワークは、数学、コード生成、質問応答における能力損失を測定する。
我々は単純な予測関係を構築し、その精度、測定効率、および未知の構成やモデル状態への一般化を評価する。
論文 参考訳（メタデータ） (2026-10-01T20:35:12Z) - SuperMotion: Source-Preserving Denoising for Text-Driven Human Motion Editing [57.65261356825894]
我々は、ソース保存の各逆ステップでソースを明示的に再利用するtextbfSource-Preserving Denoising framework (SuperMotion)を提案する。
実験の結果、SuperMotionは編集精度を向上し、MotionFixで33.20%のフルプールR@1に達した。
論文 参考訳（メタデータ） (2026-10-01T11:51:18Z) - One Geometry, Different Outcomes: Readout-Dependent Effects of the Modality Gap in Vision-Language Models [7.136614919394685]
タスク依存効果の統一的な幾何学的説明を提供する。
ゼロショット分類では、クエリ側固定ギャップオフセットサブトラクションは、正に加法クラスバイアスと同値である。
混合モーダル検索では、ギャップ方向は候補をモダリティでソートする。
論文 参考訳（メタデータ） (2026-09-28T18:40:27Z) - Measurement-Gated Provenance Attenuation for Frozen EEG Representations [6.629453577770604]
MGPA(Message-Gated Provenance Attenuation)は、1つの原則に基づいて構築されている。
3つの研究は、MGPAを仮定から距離を増すことでテストする。
論文 参考訳（メタデータ） (2026-09-26T19:23:32Z) - Stochastic Semantic Evidence Graphs: Uncertainty Propagation and Governance for Agentic AI [0.0]
本稿では,言語ノードが自己回帰トークンサブグラフに拡張する階層型DAGを提案する。
出所証明のために、このグラフは不確実なクレーム-パス関係を保持し、鋭いフレシェ境界を伝播する。
コントロールされた実験では、5000のケースで認証違反は発生せず、クロスRAGとライブブレーブ-検索実験は、検索、プレゼンテーション、ソース、インタラクション効果を分離する。
論文 参考訳（メタデータ） (2026-09-03T22:16:23Z) - Pitfalls and Remedies for Multi-Task Bayesian Optimization [10.431916242473045]
ベイジアン最適化は、関連するソースタスクのデータを用いて、定期的にターゲット実験を温める。
我々は、このデフォルトを制御された設定で再検討し、それがタスク間の相関を誤って見積もっていることに気付きます。
我々はその失敗を2つの独立した構造機構に遡る。
論文 参考訳（メタデータ） (2026-07-10T03:38:36Z) - Unbiased Gradient Estimation for Event Binning via Functional Backpropagation [64.88399635309918]
バックプロパゲーション中に弱微分を合成することにより任意の双対関数の非バイアス勾配推定のための新しいフレームワークを提案する。
自己監督型光流ではECEが9.4%,SLAMでは5.1%低下し,事象に基づく視覚知覚において大きなメリットが示された。
論文 参考訳（メタデータ） (2026-02-13T04:05:03Z) - Differential error feedback for communication-efficient decentralized learning [48.924131251745266]
本稿では,差分量子化と誤りフィードバックをブレンドする分散通信効率学習手法を提案する。
その結果,平均二乗誤差と平均ビットレートの両面において通信効率が安定であることが示唆された。
その結果、小さなステップサイズで有限ビットの場合には、圧縮がない場合に達成可能な性能が得られることが判明した。
論文 参考訳（メタデータ） (2024-06-26T15:11:26Z) - Continual Test-Time Domain Adaptation [94.51284735268597]
テスト時ドメイン適応は、ソースデータを使用しずに、ソース事前訓練されたモデルをターゲットドメインに適応することを目的としている。
CoTTAは実装が容易で、市販の事前訓練モデルに簡単に組み込むことができる。
論文 参考訳（メタデータ） (2022-03-25T11:42:02Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳（メタデータ） (2022-03-21T11:44:17Z) - All your loss are belong to Bayes [28.393499629583786]
ロス関数は機械学習の基盤であり、ほとんどのアルゴリズムの出発点である。
正方形ガウス過程を用いて経路が整合なソース関数を持つランダムな過程を求める。
実験の結果は、最先端技術よりも大幅に改善された。
論文 参考訳（メタデータ） (2020-06-08T14:31:21Z)
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。