論文の概要: Agreement versus Softmax under Spatial Disambiguation

• arxiv url: http://arxiv.org/abs/2610.14210v1
• Date: Fri, 09 Oct 2026 18:23:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:34:03.183526
• Title: Agreement versus Softmax under Spatial Disambiguation
• Title（参考訳）: 空間的曖昧さ下におけるソフトマックスとの合意
• Abstract要約: ScanRefer 複数のクエリは空間的曖昧さを必要とする。 完全な ScanRefer 検証セット (9,508 クエリ; 接地型提案付き GeoClassifier ) では、オブジェクトレベルの Softmax も同様に Unique と Multiple で誤校正されている。 ほとんどの多重エラーは同級不一致(45.6%)、幾何ミス(H2)は59.6%、誤分類(H1)は16.7%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: ScanRefer Multiple queries require spatial disambiguation: several instances of the target class are present, and the referencer must pick one. When per-query logits were never logged, a common substitute is cross-epoch agreement. On the full ScanRefer validation set (9,508 queries; GeoClassifier with ground-truth proposals), object-level softmax is similarly miscalibrated on Unique and Multiple (ECE 0.068 vs. 0.102; the scene-bootstrap gap interval includes zero). Fixed-final agreement on the same checkpoints reports ECE 0.041 vs. 0.272 (gap +0.231). Modal-vote agreement is 0.045 vs. 0.318. Most Multiple errors are same-class wrong-instance (45.6%); geometric miss (H2) is 59.6%, and wrong-category (H1) is 16.7%. A non-monotone H1 pattern does not appear under the default fixed-final protocol, and we retract it. Logit-free thresholds rank spatially hard queries poorly. If only agreement was logged, calibrate abstention on Multiple and report wrong-instance rates with H1.
• Abstract（参考訳）: ScanRefer 複数のクエリは空間的曖昧さを必要とする。 クエリごとのロジットがログアップされない場合、一般的な代替手段はクロスエポックな合意である。 完全な ScanRefer 検証セット (9,508 クエリ;GeoClassifier with ground-truth proposals) では、オブジェクトレベルのソフトマックスも同様に Unique と Multiple (ECE 0.068 対 0.102、シーンとブートストラップのギャップ間隔は 0 を含む) で誤校正されている。 ECE 0.041 vs. 0.272 (gap +0.231) を報告している。 モーダル・ボイト協定は0.045対0.318である。 ほとんどの多重エラーは同級不一致(45.6%)、幾何ミス(H2)は59.6%、誤分類(H1)は16.7%である。 非モノトンH1パターンはデフォルトの固定ファイナルプロトコルでは現れない。 ログなし閾値は、空間的に厳しいクエリのランク付けが不十分である。 もし合意書がログオンされただけであれば、Multipleのキャリブレーションを校正し、H1で不正インストール率を報告します。

関連論文リスト

• Measuring Collapse and Correction in Homogeneous-Panel LLM Debate [51.03982042769297]
  マルチエージェント大言語モデル(LLM)の議論は、最終回答が改善するかどうかによってしばしば評価されるが、運動は必ずしも改善されない。 標準的な最終精度評価は、これらの反対のメカニズムを詳述する。 複数選択質問(MCQ)に関する同質な議論のための監査可能なプロトコルを導入し、各実行を、崩壊、修正、オンセット、署名された介入ユーティリティよりも、遷移台帳として記録する。
  論文  参考訳（メタデータ） (2026-09-28T14:31:19Z)
• QAM: Quadratic-Accurate Checkpoint Merging via Sequential Consistency [44.9106079497003]
  保存されたチェックポイントはトレーニングの軌道に沿って状態を記録しますが、通常、異なるスケジュールで訪問される状態の更新を判断しません。 これらのチェックポイントが、所定の更新強度でシーケンシャル参照のエンドポイントをいかに正確に再構築できるかを検討する。
  論文  参考訳（メタデータ） (2026-09-28T13:39:41Z)
• When Keywords Drop but Classifiers Hold: Soft Refusals under KV Cache Compression [29.50645557182689]
  タスク精度を保った圧縮が、軽量な語彙モニタとより強力な拒絶分類器との一致を保っているかどうかは不明だ。 我々は,n=200の有害なプロンプトに対して,長いフィラーコンテキストを持つペアプロトコルを用いてこれを研究する。 Q2.5-3Bでは、キーワードの拒絶は98.0%から80.5%(McNemar p1e-8)に減少し、分類器の拒絶は天井付近(99.0%-99.5%)に留まり、MMLUの精度は変化しない(50.0%)。
  論文  参考訳（メタデータ） (2026-09-16T08:51:55Z)
• Option-Aware Retrieval and Task-Specific VLM Adaptation for Medical VQA [0.0611737116137921]
  We describe our submit to the MedReason 2026 Challenge, covered multiple-choice (MCQ) and open-ended (OE) medical visual questioning (VQA)。 我々の最初の発見は、MCQ検索は、回答ラベルよりも回答表現を比較すべきであるということです。 タスク固有のMCQ Low-Rank Adaptation (LoRA) アダプタを固定し、オンプロンプト検索した例の数(k)を少なくとも1ケースで変更する。
  論文  参考訳（メタデータ） (2026-09-14T13:17:42Z)
• Decomposing Wrong-Consensus Agreement in LLM Self-Consistency: A GPT-4.1 Case Study [1.2716872085463884]
  複数のLSMサンプルに対する多数決投票は、回答の正確性を高めるために広く用いられているが、その利得は不規則に異なる。 本稿は、この失敗を定量的に分析する。
  論文  参考訳（メタデータ） (2026-08-19T10:50:15Z)
• Agent Behavioral Contracts II: Certifying Compositional Reliability Without Assuming Independence [0.0]
  1つのモデルの2つの例は、2つのエージェントのハンドオフにおいて、ミッションの90.0%で共失敗する。 異なるモデルの置換は、6つのコントラストのうち6つのコントラストの関連を減少させる。
  論文  参考訳（メタデータ） (2026-08-13T07:25:05Z)
• Majority Vote Silences Minority Values: Annotator Disagreement at the Hate/Offensive Boundary in HateXplain [0.0]
  ヘイトスピーチアノテーションパイプラインは、アノテータの不一致をトレーニング前に多数投票ラベルに分解する。 この集合が中立ではないことを示す。 高度化のための下流3つの介入は、すべて境界精度の回復に失敗する。
  論文  参考訳（メタデータ） (2026-06-27T06:56:07Z)
• When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models [0.0]
  マルチモデルLPMシステムは単一モデルの精度を上回ります。 彼らの利益は、ほとんど報告されない量で占められていることを示す。
  論文  参考訳（メタデータ） (2026-06-25T17:06:06Z)
• Hierarchical Certified Semantic Commitment for Byzantine-Resilient LLM-Agent Collaboration [30.310793549183117]
  本稿では,BFTにインスパイアされたプロトコルH-CSC(Hierarchical Certified Semantic Commitment)を紹介する。 H-CSCはBFT対応バケット(0.31から2.04度)に低角偏差でコミットし、意図したようにBFTを超えるラウンド(n3f+1)の100%を中止する。
  論文  参考訳（メタデータ） (2026-06-05T14:35:58Z)
• Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks [40.270213696031625]
  OverEager-Genは、良質なタスクの振る舞いをオーバーイーガーするベンチマークである。 クロード・コードでは、同意宣言を削除するだけで、オーバーイーガー率は0.0%から17.1%に上昇する。 オーバーイーガー・ジェン(OverEager-Gen)は、入場前に各シナリオの識別力を認定する。
  論文  参考訳（メタデータ） (2026-05-18T16:00:41Z)
• BibTeX Citation Hallucinations in Scientific Publishing Agents: Evaluation and Mitigation [34.429649156970015]
  以前の評価では、検索なしでベースモデルをテストしたが、これは現在の慣行を反映していない。 3つの検索可能なフロンティアモデルでは、9つのフィールドと6方向のエラー分類に基づいてBibエントリを生成する。 全体的な精度は83.6%だが、完全な正確さは50.9%に過ぎない。
  論文  参考訳（メタデータ） (2026-04-03T16:30:58Z)

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。