論文の概要: Equal-information evaluation of credit assignment in modular financial reinforcement learning
- arxiv url: http://arxiv.org/abs/2610.14750v1
- Date: Sat, 10 Oct 2026 09:14:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.098889
- Title: Equal-information evaluation of credit assignment in modular financial reinforcement learning
- Title（参考訳）: モジュール型金融強化学習における信用割当の等価情報評価
- Abstract要約: モジュール型金融強化学習における信用割当は、属性付き信号が決定関連情報を付加したり、経済的な結果を改善することなく、部品損失を改善できるため、評価が難しい。
等価情報再構成制御, 固定効用比較, 予め規定された下流ガードレールを組み合わせた評価フレームワークを提案する。
この貢献は、部分的に可観測性、遅延したフィードバック、経済リスク制約の下で運用されるエキスパートシステムにおける信用割当を評価する再利用可能な方法論である。
- 参考スコア（独自算出の注目度）: 0.20052993723676893
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Credit assignment in modular financial reinforcement learning is difficult to evaluate because an attributed signal may improve a component loss without adding decision-relevant information or improving economic outcomes. We propose an evaluation framework combining equal-information reconstruction controls, fixed-utility comparisons and prespecified downstream guardrails. The framework is instantiated in an attribution-guided modular trading architecture and tested in three controlled studies covering update allocation, supervision-target representation and portfolio risk control. We find that residual-based allocation is exactly reproduced by an ordinary loss-budget control under the disclosed interface; direct shortfall supervision improves component prediction but fails decoded-outcome preservation; and component-wise critic supervision worsens risk-condition certainty equivalent and drawdown relative to scalar supervision under fixed utility. These results identify three distinct evaluation failures: redundant attribution signals, representation-induced prediction trade-offs, and misalignment between component supervision and downstream risk outcomes. A preserved historical engineering case further shows why module-level learning claims require run-level provenance. The contribution is a reusable methodology for evaluating credit assignment in expert systems operating under partial observability, delayed feedback and economic risk constraints.
- Abstract（参考訳）: モジュール型金融強化学習における信用割当は、属性付き信号が決定関連情報を付加したり、経済的な結果を改善することなく、部品損失を改善できるため、評価が難しい。
等価情報再構成制御, 固定効用比較, 予め規定された下流ガードレールを組み合わせた評価フレームワークを提案する。
フレームワークは帰属型モジュラートレーディングアーキテクチャでインスタンス化され、アップデートアロケーション、監督対象の表現、ポートフォリオリスク管理を含む3つのコントロールされた研究でテストされる。
残差ベースのアロケーションは、開示されたインタフェース下で通常の損失予算制御によって正確に再現され、直接的不足管理はコンポーネント予測を改善するが、デコードアウトカム保存に失敗する。
これらの結果は、冗長な帰属信号、表現による予測トレードオフ、コンポーネントの監督と下流のリスク結果の不一致の3つの異なる評価失敗を識別する。
保存された歴史的なエンジニアリングケースは、モジュールレベルの学習が実行レベルの証明を必要とする理由をさらに示す。
この貢献は、部分的可観測性、遅延フィードバック、経済リスク制約の下で運用されるエキスパートシステムにおける信用割当を評価する再利用可能な方法論である。
関連論文リスト
- Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework [52.886947585847594]
大規模言語モデル(LLM)による複雑な問題解決は、しばしばより強い推論やより長い生成の問題としてフレーム化される。
しかし、早期のエラー増幅、迅速な脆さ、誤ったコミットメントを修正する失敗を説明するのは難しい。
本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。
論文 参考訳（メタデータ） (2026-09-17T18:28:45Z) - $\texttt{findr}$: Transparent and Fair Credit Risk Decisions through Semi-Structured Regressions [5.58905274289646]
$texttfindr$はバイナリクレジットリスクモデリングのための半構造化フレームワークである。
これはロジットを解釈可能な構造成分と神経残基に分解する。
これは、ロジット変動、決定合意、および局所的な方向整合性に対する構造化されたコンポーネントの貢献を測定する。
論文 参考訳（メタデータ） (2026-08-25T14:08:07Z) - TrustChain-Review: A Risk-Adaptive Blockchain and Game-Theoretic Framework for Trustworthy AI-Assisted Code Review [0.0]
検証可能な証拠,戦略的インセンティブ,リスクに敏感なガバナンスを組み合わせたフレームワークであるTrustChain-Reviewを紹介する。
評価精度、信頼収束、悪意のあるレビュー検出、表面レビュー検出、ネットプラットフォームユーティリティ、ガバナンスコスト、コスト効率を使って、6つのガバナンス構成を30以上の独立した実行で比較する。
フルエビデンス構成は、最も高い評価、信頼、そして検出結果を生み出しますが、同時に、ガバナンスコストも高いのです。
論文 参考訳（メタデータ） (2026-07-29T17:53:52Z) - Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels [53.63220028820581]
身体的知性は、学習した知覚と意思決定をリアルタイムの計算、制御、物理的相互作用と統合する。
我々は,信頼に値するインテリジェンスを,特定のタスクを確実に実行するための持続能力として定義する。
論文 参考訳（メタデータ） (2026-07-28T17:50:44Z) - Auditing Marketing Budget Allocation with Hindsight Regret [6.244816393907943]
後ろ向きの後悔に基づく振り返り監査の枠組みを提示する。
このフレームワークは、履歴ログからレジーム固有の消費-応答関数を推定する。
実際のマーケティングアロケーションログの実験は、このフレームワークが解釈可能なポストホック診断をもたらすことを示している。
論文 参考訳（メタデータ） (2026-04-28T13:57:02Z) - When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment [0.0]
高度なAIシステムの安全性評価は、評価の下で観察された振る舞いがデプロイメントの振る舞いを予測することを前提としている。
部分観測可能性下での情報流問題としてアライメント評価をリキャストする。
我々は、レギュラー・ブラインド・メカニズム、レギュラー・キューへのアクセスを制限する訓練時間介入について研究する。
論文 参考訳（メタデータ） (2026-02-09T10:00:24Z) - Benchmarking Corruption Robustness of LVLMs: A Discriminative Benchmark and Robustness Alignment Metric [49.393713730706445]
汚損の堅牢性を評価するための識別サンプルを強調したベンチマークであるBench-Cを紹介する。
本稿では,ロバストネスアライメントスコア(RAS)を提案する。
論文 参考訳（メタデータ） (2025-11-24T12:07:56Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。
AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。
さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
論文 参考訳（メタデータ） (2025-05-28T20:22:43Z) - On the Complexity of Adversarial Decision Making [101.14158787665252]
決定推定係数は, 相手の意思決定に対する後悔度を低く抑えるのに必要であり, 十分であることを示す。
我々は、決定推定係数を他のよく知られた複雑性尺度の変種に結びつける新しい構造結果を提供する。
論文 参考訳（メタデータ） (2022-06-27T06:20:37Z)
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。