論文の概要: Coverage Cliffs in Off-Policy Quantile Certification

• arxiv url: http://arxiv.org/abs/2610.22565v1
• Date: Thu, 15 Oct 2026 19:08:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.636496
• Title: Coverage Cliffs in Off-Policy Quantile Certification
• Title（参考訳）: オフポリシック量子認証におけるカバークリフ
• Abstract要約: 我々は、同じサンプルから選択したポリシーに対して、ログ化された文脈帯域データが上尾量子化を証明できるかどうかを調査する。 その結果、TailCert はエンベロープの最初のレベル p の交差を利用して、選択された後部のp-クアンタイルに束縛された原子セーフな上層信頼を返す。
• 参考スコア（独自算出の注目度）: 6.302369456012738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study when logged contextual-bandit data can certify an upper tail quantile for a policy selected from the same sample. We construct a PAC-Bayes Bernstein lower-confidence envelope for the target cumulative distribution function (CDF), simultaneous over a predeclared threshold grid and all data-dependent posteriors. The resulting procedure, TailCert, uses the envelope's first crossing of level p to return an atom-safe upper confidence bound on the selected posterior's pooled p-quantile (or inconclusive). It can also be used to select a policy under a certified tail constraint. The concentration ingredients are standard; the main theoretical contribution is a matched finite-class certification boundary comparing full logs with their joint weighted CDF indicators at a fixed threshold. On an explicit rare-action class, the required sample size grows linearly with the overlap factor W, logarithmically with policy-search and confidence complexity, and quadratically with the inverse CDF safety margin; the upper and lower bounds agree up to constants in the stated regime. On this class, the CDF reduction hides which actions exceeded the budget; retaining action counts restores the full-log rate. Simulations verify the predicted search-complexity shift, winner's-curse failure of naive reuse, and the power cost of splitting.
• Abstract（参考訳）: 我々は,同じサンプルから選択したポリシーに対して,ログ化された文脈帯域データが上尾量子化を証明できる場合について検討する。 PAC-Bayes Bernsteinlow-confidence envelope for the target cumulative distribution function (CDF), simultaneously on a predeclared threshold grid and all data-dependent rears。 その結果、TailCert はエンベロープの最初のレベル p の交差を利用して、選択された後部のp-クアンタイル(または不確定)に束縛された原子セーフな上層信頼を返す。 また、認証されたテール制約の下でポリシーを選択するためにも使用できる。 主理論的寄与は一致した有限級認定境界であり、全ログとそれらの結合重み付きCDF指標を一定の閾値で比較するものである。 明示的なレアアクションクラスでは、要求されるサンプルサイズは重なり係数W、対数的にポリシー探索と信頼性複雑性、逆CDFの安全性マージンに比例して増加する。 このクラスでは、CDF削減は、どのアクションが予算を超えるかを隠蔽し、アクションカウントは全ログレートを回復する。 シミュレーションでは、予測された探索複雑度シフト、単純再利用の帰納的失敗、分割の電力コストが検証される。

関連論文リスト

• EntroPrefill: Renyi-Guided Context Pruning with Conditional Stability Guarantees for Retrieval-Augmented Generation [0.0]
  本稿では,Renyi誘導型提案機構としてEntroPrefillを定式化した。 我々は、混合頭削除封筒、計算可能なトークン除去上界、有限サンプルオブザーバの保証を導出する。 反例は、浅い観測だけで非条件の将来の出力保証を示唆できない理由を示している。
  論文  参考訳（メタデータ） (2026-10-07T09:44:59Z)
• Sharp training-conditional coverage for conformal prediction under covariate shift [0.0]
  重み付き分割共形予測リウェイト 度合による校正スコア キャリブレーションデータに基づくカバレッジ条件について検討する。 2点下界は、ルートmレートとカイ二乗寄与がシフトに固有のものであることを示している。
  論文  参考訳（メタデータ） (2026-09-27T11:08:32Z)
• Counterfactual Shapley Credit Assignment [49.39649767581182]
  クレディ・アサインメント・問題(CAP)は、効率的かつ説明可能な強化学習(RL)エージェントを開発するための基礎である。 対実共有($-value)を通じて信用と責任を判断する新しい枠組みである対実共有($-value)を導入する。 我々は、$$-valuesを計算し、優先順位付き軌道再生(PTR)と組み合わせた新しいポリシーメソッドのクラス$-PPOを可能にする一貫した推定器を導出する。
  論文  参考訳（メタデータ） (2026-07-18T23:28:20Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Post-Hoc Split-Point Self-Consistency Verification for Efficient, Unified Quantification of Aleatoric and Epistemic Uncertainty in Deep Learning [5.996056764788456]
  不確実性定量化(UQ)は、信頼できる深層学習には不可欠であるが、既存の手法は計算集約的であるか、タスク固有の部分的な見積もりのみを提供する。 本研究では,事前訓練したモデルの変更や再訓練を伴わずに,アレタリックおよびてんかんの不確実性を共同でキャプチャするポストホック・シングルフォワード・パス・フレームワークを提案する。 提案手法は,EmphSplit-Point Analysis (SPA) を用いて,予測残差を上下サブセットに分解し,各側でEmphMean Absolute Residuals (MAR) を演算する。
  論文  参考訳（メタデータ） (2025-09-16T17:16:01Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
  自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。 本稿では,ユーザの目標が目標間隔として指定される設定について検討する。 我々は、共形予測を反転させて確率推定を計算する。
  論文  参考訳（メタデータ） (2022-11-29T18:41:20Z)
• Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
  そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
  論文  参考訳（メタデータ） (2022-01-26T19:59:14Z)
• Risk Minimization from Adaptively Collected Data: Guarantees for Supervised and Policy Learning [57.88785630755165]
  経験的リスク最小化(Empirical Risk Minimization, ERM)は、機械学習のワークホースであるが、適応的に収集されたデータを使用すると、そのモデルに依存しない保証が失敗する可能性がある。 本研究では,仮説クラス上での損失関数の平均値を最小限に抑えるため,適応的に収集したデータを用いた一般的な重み付きERMアルゴリズムについて検討する。 政策学習では、探索がゼロになるたびに既存の文献のオープンギャップを埋める率-最適後悔保証を提供する。
  論文  参考訳（メタデータ） (2021-06-03T09:50:13Z)

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。