論文の概要: Designing Experiments for External Decision Makers

• arxiv url: http://arxiv.org/abs/2610.22032v1
• Date: Thu, 15 Oct 2026 15:07:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.141081
• Title: Designing Experiments for External Decision Makers
• Title（参考訳）: 外部意思決定者のための設計実験
• Abstract要約: 使用リスクを最小限に抑えるために適応設計ポリシーを訓練するフレームワークである,使用量を考慮した実験設計を導入する。 標準的なBEDとは異なり、そのようなルールの下では、より情報的なデータが有害であることを示す。
• 参考スコア（独自算出の注目度）: 14.927816848197963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard Bayesian experimental design (BED) methods assume the experimenter alone will act on the data, choosing the best action given their own beliefs and goals. In practice, data are often acted on by external parties whose procedures the experimenter cannot change and may not know, particularly when the data are released publicly. To extend BED to such settings, we introduce usage-aware experimental design, a framework in which an adaptive design policy is trained to minimise the usage risk: the experimenter's expected loss when one or more external rules act on the collected data. These rules may be non-Bayesian or black-box, and when several may apply, we either average over them or take the worst case. We show that, unlike in standard BED, more informative data can be harmful under such rules, so the usage risk cannot in general be expressed as an expected uncertainty reduction; our framework thus strictly generalises standard BED. We then use it to tackle a range of problems that are difficult to address with existing approaches.
• Abstract（参考訳）: 標準ベイズ実験設計(BED)法は、実験者だけがデータに作用し、自身の信念と目標から最良の行動を選択すると仮定する。 実際には、データは、実験者が変更できず、特にデータが公開されても知らない外部の当事者によって実行されることが多い。 BEDをこのような設定に拡張するために、我々は、適応設計ポリシーを訓練して使用リスクを最小化するためのフレームワークである、使用量を考慮した実験設計を導入する。 これらの規則は非ベイズ的あるいはブラックボックス的であり、いくつか適用される場合、それらを平均的に上回るか、最悪の場合を取るかのいずれかである。 標準BEDとは異なり、より情報的なデータはそのようなルールでは有害であり、一般的に使用リスクは期待される不確実性低減として表現できない。 そして、既存のアプローチでは対処が難しいさまざまな問題に対処するためにそれを使用します。

関連論文リスト

• Deep adaptive design with an evidential bias criterion [2.8181814396517955]
  我々は,これまで期待される情報ゲイン(EIG)基準に用いられてきたポリシーベースのディープアダプティブデザインフレームワークを考察する。 BA目的物上のトラクタブル上限の最小化は、分散ペナル化EIG基準の最大化と等価である。 BAとEIGの設計の違いはいくつかの例で示されている。
  論文  参考訳（メタデータ） (2026-08-17T12:03:53Z)
• Risk-Aware World Model Predictive Control for Generalizable End-to-End Autonomous Driving [82.69496624372944]
  「専門家のように運転するのが普通」は限定的な一般化に苦しむ。 E2E-ADシステムは専門家の行動監督なしに信頼できる判断を下せるか? 本稿では,リスクを意識した世界モデル予測制御という統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-26T17:32:30Z)
• Algorithm Adaptation Bias in Recommendation System Online Experiments [4.8862630578310435]
  探索されていないが重要なバイアスはアルゴリズム適応効果である。 結果は、小さなトラフィックでテストの亜種のパフォーマンスを過小評価しながら、大きなトラフィックでプロダクションの亜種を好むことが多い。 このバイアスのメカニズムを詳述し、実世界の実験から実証的な証拠を提示し、より堅牢なオンライン評価のための潜在的方法について議論する。
  論文  参考訳（メタデータ） (2025-08-29T19:23:04Z)
• Adaptive Experimentation When You Can't Experiment [55.86593195947978]
  本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。 オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
  論文  参考訳（メタデータ） (2024-06-15T20:54:48Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
  RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。 本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。 我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
  論文  参考訳（メタデータ） (2023-12-05T02:38:04Z)
• Optimal Conditional Inference in Adaptive Experiments [1.8130068086063336]
  実験の最後のバッチまでの情報を用いて,これらすべてを適応的に選択できる実効停止時間,代入確率,目標パラメータに関する条件推論の問題を考える。 実験のさらなる制限を欠いて、最終バッチの結果のみを用いた推論が最適であることを示す。
  論文  参考訳（メタデータ） (2023-09-21T15:17:38Z)
• Task-specific experimental design for treatment effect estimation [59.879567967089145]
  因果推論の標準は大規模ランダム化試験(RCT)である。 近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。 実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
  論文  参考訳（メタデータ） (2023-06-08T18:10:37Z)
• Towards Debiasing NLU Models from Unknown Biases [70.31427277842239]
  NLUモデルは、しばしばバイアスを利用して、意図したタスクを適切に学習することなく、データセット固有の高いパフォーマンスを達成する。 本稿では、モデルがバイアスを事前に知ることなく、主にバイアスを利用するのを防ぐ自己バイアスフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-25T15:49:39Z)

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。