論文の概要: Counterfactual Gate-Support Decomposition: Separating Selection from Redistribution in Training-Data Filtering

• arxiv url: http://arxiv.org/abs/2610.19343v1
• Date: Wed, 14 Oct 2026 00:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.86294
• Title: Counterfactual Gate-Support Decomposition: Separating Selection from Redistribution in Training-Data Filtering
• Title（参考訳）: 負のゲート-サポーター分解:訓練データフィルタリングにおける再分配からの選択
• Abstract要約: CGSD(Counterfactual Gate-Support Decomposition)について紹介する。 観測されたゲート効果を、サポート内選択、サポート間再分配、およびそれらの相互作用に分解する。 サポートの再配布が無音でサンプルレベルのゲート品質と解釈されるのを防ぐ。
• 参考スコア（独自算出の注目度）: 2.8029321044571773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A training-data quality gate changes both which examples survive within regions of the input space and how training mass is distributed across those regions, so a gate-versus-random comparison does not isolate these mechanisms. We introduce Counterfactual Gate-Support Decomposition (CGSD), a four-arm, budget-matched design that crosses gate eligibility with support distribution and decomposes the observed gate effect into within-support selection, between-support redistribution, and their interaction. The practical constraint is finite-pool realizability: we characterize mass and token-assembly conditions under which the required arms can be constructed, together with a support-extinction case in which the ordinary design is undefined. On Korean-English and Korean-Japanese retrieval, the mean within-support selection component is the only one that exceeds its calibrated null band (+29.7 and +5.6 holdout items; 30/30 positive replicates), decisively in Korean-English and marginally in Korean-Japanese; redistribution and interaction remain unresolved at the available power. The same pattern holds for a second, unrelated gate family -- a model-confidence threshold rather than a deterministic verifier -- judged against its own null (+27.3 items, 9/9 positive), so the result is not a property of one gate's mechanism. On a mathematics gate, zero-eligibility supports leave the ordinary design undefined at every budget, while the extended design is constructible only inside narrow budget bands that an exhaustive scan locates and that the natural operating point misses -- the assembly condition separating a property of the pool from a limitation of the packer. CGSD therefore returns a decomposition, a constructible-but-underpowered design, or an explicit non-constructibility result, and says which; it prevents support redistribution from being silently interpreted as sample-level gate quality.
• Abstract（参考訳）: トレーニングデータの品質ゲートは、サンプルが入力空間の領域内に存在することと、トレーニング質量がこれらの領域間でどのように分散されているかの両方を変えるため、ゲート対ランダム比較はこれらのメカニズムを分離しない。 筆者らは, ゲートの信頼性と支持分布を交差させ, 観測されたゲート効果を, サポート内選択, サポート間再配布, インタラクションに分解する4本腕の予算整合型設計である, CGSD(Counterfactual Gate-Support Decomposition)を紹介した。 現実的な制約は有限プール実現可能性であり、通常設計が未定義であるサポート・エクスティクション・ケースとともに、必要なアームを構築できる質量およびトークン・アセンブリ条件を特徴付ける。 韓国・英語・韓国・日本語の検索では、平均的な内包選択成分は、校正されたヌルバンド(+29.7と+5.6のホールドアウトアイテム、30/30の正の複製)を超える唯一のものであり、朝鮮・英語では決定的に、韓国・日本語では極端に正の複製であり、再分配と相互作用は未解決のままである。 同じパターンは、決定論的検証ではなくモデル信頼しきい値である第2のゲートファミリー(+27.3項目、9/9陽性)を保ち、その結果は1つのゲート機構の特性ではない。 数学のゲートでは、ゼロ・エレクティビティのサポートは通常の設計をすべての予算で未定義のままにしておくが、拡張された設計は、網羅的なスキャンが位置し、自然な操作点が外れる狭い予算帯の中でのみ構成可能であり、プールのプロパティをパッカーの制限から分離するアセンブリ条件である。 CGSDは、分解、構成可能だがアンダーパワーな設計、明示的な非コンストラクタビリティの結果を返却する。

関連論文リスト

• Available Guardrails: Certifying Selective Prediction across ML Systems [40.57629016626049]
  安全, 粒度, サービストラフィックのトレードオフを明らかにする動的プログラムを開発する。 1つの計画上の候補分割を分割し、その中の1つを選択すると、このギャップの一部が回復することを示す。 相補的妥当性保存レバーは、報告ユニット間で家庭的にエラー予算を割り当て、追加のカバレッジを回復する。
  論文  参考訳（メタデータ） (2026-09-18T17:36:52Z)
• The Cost of Conservation: Coordination-Memory Laws for Exact-Support Generation [3.6503889532208045]
  多くのAIシステムは、すべての実効出力が追加的な保存法に従う必要がある場合でも、局所的に決定する。 中間体制における付加的保全法に基づく製品対策について検討した。 我々は、オンラインメモリが、正確なサポート生成において、フロントロードされたコーディネートにどのように代わるかを示す。
  論文  参考訳（メタデータ） (2026-08-17T21:15:14Z)
• A Held-Out Transition-Pair Falsifier for Long-Horizon Non-Abelian State Tracking [0.5076419064097734]
  有限非アベリア群追跡のためのホールドアウト遷移ペアファルシファイアを導入する。 制御された$S_3 times S_3$ベンチマークでは、長さ8列のみに基づいてトレーニングされた投影されたリカレント状態モデルがエラーのない最終状態予測を生成する。
  論文  参考訳（メタデータ） (2026-06-05T13:26:41Z)
• AGORA: Can Deliberation and Governance Gates Absorb Participation Bias in Transit Planning? [7.373294811303388]
  現在のプラクティスでは、自己選択された参加者から一方向のコメントを収集し、参加者の混在をコントロールできない結果の変化の源として残している。 本稿では,ネットワーク,需要,問題解決を行うフレームワークであるAGORAを紹介する。
  論文  参考訳（メタデータ） (2026-05-31T08:00:37Z)
• The conditional-mean barrier: From deterministic regression to conditional distribution learning [6.160113667162026]
  このチュートリアルでは、条件-平均障壁を中心とした自己完結モジュールを開発する。 平方損失予測器に潜在ランダム性を加えると、条件平均に戻る。 我々は,否定的対数類似度,モーメントとオブザーバブルマッチング,変分目的,逆数分岐,スコアマッチングなどの共通分布目的を短時間に整理する。
  論文  参考訳（メタデータ） (2026-05-27T07:31:42Z)
• Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
  LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。 対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
  論文  参考訳（メタデータ） (2026-03-03T03:34:06Z)
• Breaking the Factorization Barrier in Diffusion Language Models [59.946071582340146]
  ベクトル化障壁」は拡散言語モデルの効率的な並列生成を妨げる。 完全分解出力分布を置き換えるための結合離散拡散法を提案する。 我々は, CoDD が多種多様な言語モデルアーキテクチャをシームレスに拡張し, オーバーヘッドを無視できることを示した。
  論文  参考訳（メタデータ） (2026-02-09T08:36:39Z)
• Context-aware gate set tomography: Improving the self-consistent characterization of trapped-ion universal gate sets by leveraging non-Markovianity [45.88028371034407]
  ゲートセットトモグラフィ(GST)は、ノイズの多い量子ゲート、状態準備、測定の完全なセットを推定する。 当初、GSTはゲートを順次適用することで推定精度を向上させる。 ゲートセットのパラメトリゼーションにコンテキスト依存を組み込むことで, GSTのサンプリングコストを低減できることを示す。
  論文  参考訳（メタデータ） (2025-07-03T11:37:36Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。