論文の概要: Beyond Fixed Acquisition Functions: Temporal Difference Active Learning for Perturbation Discovery

• arxiv url: http://arxiv.org/abs/2610.22122v1
• Date: Thu, 15 Oct 2026 16:00:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.181184
• Title: Beyond Fixed Acquisition Functions: Temporal Difference Active Learning for Perturbation Discovery
• Title（参考訳）: 固定獲得関数を超える:摂動探索のための時間差アクティブ学習
• Abstract要約: 時間差アクティブラーニング(TDAL)は,1つのスクリーニング軌道から時間差学習を通じて,オンラインの取得関数を学習する。 実験的な構成の異なるシングル、ダブル、トリプルの摂動にまたがる8つのパブリックスクリーンで、TDALは11の手法の中で平均1.63のランクを達成している。
• 参考スコア（独自算出の注目度）: 6.119400371617871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Genetic and drug perturbation screens are important tools for elucidating disease mechanisms and validating therapeutic targets, but experimental costs limit the number of candidates that can be tested. Existing perturbation screening methods typically update the surrogate model with feedback while keeping the acquisition function fixed, limiting their ability to adapt selection to different response landscapes. Experimental feedback reveals current hits and informs subsequent selection by updating candidate predictions, providing a training signal for learning how to select experiments. We formulate budgeted perturbation discovery as a sequential decision problem and propose Temporal Difference Active Learning (TDAL), which learns an acquisition function online through temporal difference learning from a single screening trajectory, accounting for current hits and future discoveries. TDAL uses the Hellinger distance between hit probabilities for unmeasured candidates before and after an experiment to weight successor value, and reuses measured outcomes through leave-batch-out (LBO) to construct virtual transitions and alleviate training data scarcity. Across eight public screens spanning single, double, and triple perturbations under varied experimental configurations, TDAL achieves an average rank of 1.63 among eleven methods and ranks first on four tasks, demonstrating its adaptability across response landscapes.
• Abstract（参考訳）: 遺伝子および薬物の摂動スクリーンは、疾患のメカニズムを解明し、治療対象を検証するための重要なツールであるが、実験コストは検査可能な候補の数を制限している。 既存の摂動スクリーニング手法は、通常、サロゲートモデルをフィードバックで更新し、取得関数を固定し、異なる応答ランドスケープに選択を適用する能力を制限する。 実験的なフィードバックは、現在のヒットを明らかにし、候補予測を更新することで、その後の選択を通知し、実験の選択方法を学ぶためのトレーニング信号を提供する。 本稿では,摂動探索を逐次決定問題として定式化し,時間差アクティブラーニング(TDAL)を提案する。 TDALは、実験前後の未測定候補に対するヒット確率間のHellinger距離を用いて、後続値の重み付けを行い、仮想遷移を構築し、トレーニングデータの不足を軽減するために、離脱バッチアウト(LBO)を通じて測定結果の再利用を行う。 実験的な構成で、シングル、ダブル、トリプルの摂動にまたがる8つのパブリックスクリーンの中で、TDALは11のメソッドの中で平均1.63のランクを達成し、4つのタスクで1位を獲得し、応答のランドスケープ全体への適応性を実証した。

関連論文リスト

• Biology-in-the-loop: Amortized Adaptive Hit Discovery in CRISPR Screens [22.131233442705284]
  我々は5つの表現型カテゴリにわたる1,389個のCRISPRスクリーンからなる適応的ヒット発見のための大規模ベンチマークを導入する。 このリソースに基づいて構築されたAssayLoopは、実験的なフィードバックから適応するために、歴史的スクリーンにまたがってトレーニングされたトランスフォーマーベースのアモータイズされた取得ポリシーであるAssayFormerを組み合わせたシーケンシャルな実験設計フレームワークである。 時間的に保留された画面では、AssayLoopはランダム選択よりも5.67倍のリッチ化を実現し、候補ライブラリの約5%を測定した後、27.7%のヒットを回復する。
  論文  参考訳（メタデータ） (2026-09-10T17:45:18Z)
• The Long-Term Effects of Data Selection in LLM Fine-Tuning [1.9054869116450563]
  短時間のセレクタは、後続の学習を遅くし、忘れることの増大を抑えながら、ランク逆転を示すことができることを示す。 本稿では,この動作をエフェミクティック選択として形式化し,その原因を簡易に解析し,LHAS(Long-Horizon Aware Selection)の目的を提案する。 この研究は、データ選択は、局所的なデータ効率のメカニズムとしてだけでなく、モデルの学習軌道を形成する訓練の介入として評価されるべきである、と論じている。
  論文  参考訳（メタデータ） (2026-05-28T20:12:45Z)
• The Illusion of Intervention: Your LLM-Simulated Experiment is an Observational Study [56.649987197786096]
  大規模言語モデル(LLM)は人間の行動のシミュレータとしての可能性を示している。 LLMは潜在ユーザ属性の意図しないシフトを誘発し、ユーザのドリフトを引き起こす。 ユーザのドリフトによって生じる不確実性や選択バイアスを形式化する。
  論文  参考訳（メタデータ） (2026-05-20T06:09:41Z)
• Efficient Data Selection for Training Genomic Perturbation Models [32.968559353907004]
  グラフニューラルネットワークに基づく遺伝子摂動モデルに着目する。 本研究では,アクティブな学習とは異なり,一ショットでトレーニング摂動を選択するサブセット選択法を提案する。
  論文  参考訳（メタデータ） (2025-03-18T12:52:03Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Adaptive Retention & Correction: Test-Time Training for Continual Learning [114.5656325514408]
  連続学習における一般的な問題は、最新のタスクに対する分類層のバイアスである。 アダプティブ・リテンション・アンド・コレクション (ARC) のアプローチを例に挙げる。 ARCはCIFAR-100とImagenet-Rのデータセットで平均2.7%と2.6%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2024-05-23T08:43:09Z)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• A Reinforcement Learning Approach to Estimating Long-term Treatment Effects [13.371851720834918]
  ランダム化実験による制限は、長期効果を測定するために容易に拡張できないことである。 マルコフ過程における平均報酬を推定する強化学習(RL)アプローチを採用する。 観測された状態遷移が非定常である実世界のシナリオに動機付けられ、非定常問題のクラスのための新しいアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-10-14T05:33:19Z)

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。