論文の概要: CALM-5G: Event-Level Conformal Risk Control for Predictive Service-Assurance Alarms

• arxiv url: http://arxiv.org/abs/2610.17962v1
• Date: Tue, 13 Oct 2026 08:40:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 08:00:58.355916
• Title: CALM-5G: Event-Level Conformal Risk Control for Predictive Service-Assurance Alarms
• Title（参考訳）: CALM-5G:予測サービス保証のためのイベントレベルコンフォーマルリスク制御
• Abstract要約: CALM-5Gは保証層であり、予測バックボーンの上に動作し、分布のない有限サンプル保証でアラームを発行する。 サービスレベルの違反イベントをキャリブレーションし、スコア違反のオンセットがサンプルから直接キャリブレーションスキームを選択し、認定されたすべてのミスレートでアラームデューティサイクルを報告します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predictive service assurance converts forecasts of key performance indicators into alarms, and that conversion decides whether the assurance function is deployable. We present CALM-5G, an assurance layer that operates above any forecasting backbone and issues alarms with distribution-free, finite-sample guarantees. It calibrates on service-level violation events, scores violation onset directly, selects its calibration scheme out of sample, and reports the alarm duty cycle with every certified miss rate. Four corpora are evaluated separately, namely a production cellular network, commercial 5G traces, an open radio access network testbed and our 5G standalone testbed. Risk control on the regression-derived score yields duty cycles of 0.24 to 0.91. Onset targeting with cross-validated calibration reduces time-in-alarm by 56.3% to 89.7% on three corpora, with no significant change on the fourth. The realised miss rate stays within a two-standard-error tolerance on three corpora and within one standard error of it on the fourth. Under label shift, pooled batch calibration exceeds that tolerance structurally, by 10.9 standard errors on the production corpus. Online calibration restores compliance. Calibration schemes cannot be ranked on the split that fits their thresholds. Miss rate and duty cycle are certified jointly where within-entity dependence leaves sufficient calibration units.
• Abstract（参考訳）: 予測サービス保証は、キーパフォーマンス指標の予測をアラームに変換し、その変換は保証機能がデプロイ可能かどうかを決定する。 予測バックボーン上で動作し,分布のない有限サンプル保証でアラームを発行する保証層であるCALM-5Gを提案する。 サービスレベルの違反イベントを校正し、直接違反をスコア付けし、サンプルから校正スキームを選択し、認定ミス率ごとにアラームデューティサイクルを報告します。 4つのコーパスを別々に評価し、生産セルネットワーク、商用5Gトレース、オープン無線アクセスネットワークテストベッド、我々の5Gスタンドアロンテストベッドである。 レグレッション由来のスコアに対するリスクコントロールは、デューティサイクルが0.24から0.91になる。 クロスバリデードキャリブレーションによるオンセットターゲティングは3つのコーパスで56.3%のタイム・イン・アラームを89.7%に減らし、第4に大きな変更はない。 実現されたミスレートは、3つのコーパス上の2標準エラー許容範囲と4番目の標準エラーの範囲内に留まる。 ラベルシフトの下では、プール化されたバッチキャリブレーションは、生産コーパスにおける10.9の標準エラーによって、その許容範囲を超える。 オンラインキャリブレーションはコンプライアンスを回復する。 校正スキームは、そのしきい値に適合するスプリットにランク付けできない。 ミスレートと義務サイクルは、内部依存が十分な校正単位を残した場合に共同で認定される。

関連論文リスト

• ConformalGuard: False-Positive-Controlled Action Gating for LM Classifiers [1.182797073319109]
  ConformalGuardは、正規入力が介入層をトリガーする速度を有限サンプル制御で固定スコア関数をラップする。 我々は,これらの手法を,公衆メールコーパスにおける細調整BERT,Claude Sonnet 4,GPT-4oの共形校正法と比較した。
  論文  参考訳（メタデータ） (2026-10-09T22:39:37Z)
• Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
  本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。 SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。 301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
  論文  参考訳（メタデータ） (2026-09-30T10:51:23Z)
• A Bayesian Correlated Equilibrium for Early Insider-Threat Detection [11.643788980306235]
  我々は、内部脅威検出を、プラットフォームが戦略認定者の委員会を調整し、誠実なユーザ間の均衡を維持する動的ベイズゲームとしてモデル化する。 CERT r6.2では、我々のメカニズムは1.6%以下の偽陽性で28.3%の事前濾過検出を達成し、トランスフォーマーベースラインとストリーミング 前駆体近似の両方がほぼゼロの事前濾過検出を実現する。
  論文  参考訳（メタデータ） (2026-09-02T19:12:56Z)
• Guaranteed Adaptive Modality Acquisition: When the Policy Chooses Its Own Calibration Group [0.0]
  マルチモーダルシステムは、入力のいくつかのみを保持する推論を開始し、残りをコストで取得することができる。 パターン条件保証が有効であり続けると特徴付け、2つの有限サンプル構成を与える。 逆例は、カリブレーション非依存のグルーピングマップに対して証明された保証が、ポリシーが端末群キャリブレーションに依存した場合、転送する必要はないことを示している。
  論文  参考訳（メタデータ） (2026-08-16T04:19:31Z)
• False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control [6.3999417080764225]
  分布自由リスク制御による選択的な予測では、キャリブレーションドローに対する信頼度1-deltaでは、受け入れられた入力のエラー率は、ユーザ予算のアルファ値以下である。 我々はこの約束を、機械異常音検出(ASD)とAI生成画像鑑定という信号領域検出器で監査する。
  論文  参考訳（メタデータ） (2026-06-13T06:48:50Z)
• Black-Box Reliability Certification for AI Agents via Self-Consistency Sampling and Conformal Calibration [0.0]
  信頼性レベル -- システムとタスクのペアあたりの1つの番号 -- で答えます。 自己整合性サンプリングは指数関数的に不確実性を減少させる。 共形キャリブレーションは、ターゲットレベルの1/(n+1)以内の正確性を保証する。
  論文  参考訳（メタデータ） (2026-02-24T21:03:50Z)
• Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
  攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。 我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
  論文  参考訳（メタデータ） (2024-05-22T18:52:09Z)
• Beyond calibration: estimating the grouping loss of modern neural networks [68.8204255655161]
  適切なスコアリングルール理論は、キャリブレーション損失が与えられた場合、個々のエラーを特徴づける欠片がグループ化損失であることを示している。 視覚およびNLPにおける現代のニューラルネットワークアーキテクチャは、特に分散シフト設定においてグループ化損失を示す。
  論文  参考訳（メタデータ） (2022-10-28T07:04:20Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)

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。