論文の概要: Conformal Policy Selection: When to Deploy AI Decisions for Targeted Intervention

• arxiv url: http://arxiv.org/abs/2610.22930v1
• Date: Fri, 16 Oct 2026 04:46:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.76681
• Title: Conformal Policy Selection: When to Deploy AI Decisions for Targeted Intervention
• Title（参考訳）: コンフォーマルポリシーの選択: ターゲットの介入のためのAI決定をいつ展開するか
• Abstract要約: ターゲットデプロイメントを多重テストの問題として再放送します。 AIポリシの下での成果が、ユーザ指定のしきい値を超えるかどうかをテストする。 選択した集合のうちの偽発見率(FDR)を制御します。
• 参考スコア（独自算出の注目度）: 14.81961786930328
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial-intelligence (AI) policies are increasingly used to make consequential decisions in medicine, finance, education, and public services, yet deploying them responsibly requires knowing not only whether a policy helps on average, but for whom. Existing tools for off-policy evaluation and safe policy learning provide population-level guarantees, but some individuals may experience adverse treatment effects. We recast targeted deployment as a multiple-testing problem: for each candidate unit, test whether the outcome under the AI policy would exceed a user-specified threshold, and control the false discovery rate (FDR) among the selected set. Our method, Conformal Policy Selection, combines weighted conformal $p$-values that account for the distributional shift from behavior to target policy with a two-step selection-and-pruning procedure. We prove finite-sample FDR control and establish a doubly robust asymptotic guarantee, where FDR remains controlled if either the outcome model or the propensity model is correctly specified. Synthetic experiments verify these guarantees across four misspecification regimes, and a semi-synthetic study built on real electronic-health-record covariates illustrates how the same FDR control can act as a deployment safety gate, bounding the harmful treatments that a globally trained policy would otherwise administer to a high-risk subpopulation where it misgeneralizes. The framework offers a principled method for safe AI deployment in high-stakes applications.
• Abstract（参考訳）: 人工知能(AI)政策は、医療、金融、教育、公共サービスにおいて連続的な決定を下すためにますます使われていますが、それらを展開するためには、政策が平均的に役立つかどうかだけでなく、誰のためにも、責任を持って知る必要があります。 政治以外の評価や安全な政策学習のための既存のツールは、人口レベルの保証を提供するが、一部の個人は有害な治療効果を経験する可能性がある。 対象のデプロイメントを複数のテスト問題として再キャストし、各候補ユニットに対して、AIポリシによる結果がユーザ指定閾値を超えるかどうかを検証し、選択したセット内の偽発見率(FDR)を制御する。 コンフォーマルポリシー選択法は,行動から目標方針への分布シフトを考慮した重み付きコンフォーマルな$p$-値と,2ステップのセレクション・アンド・プルーニング手法を組み合わせたものである。 有限サンプルFDR制御を証明し、結果モデルまたは確率モデルが正しく指定された場合、FDRが制御される二重頑健な漸近保証を確立する。 合成実験は、これらの保証を4つの不特定性体制にまたがって検証し、実際の電子的健康記録に基づく半合成研究は、同じFDR制御が配置安全ゲートとしてどのように機能するかを示し、グローバルに訓練された政策がそうでなければ、過度に一般化した高リスクサブポピュレーションに対処する有害な治療を制限している。 このフレームワークは、高レベルのアプリケーションに安全なAIデプロイメントを行うための原則化された方法を提供する。

関連論文リスト

• Conformal Policy Learning with Distribution-Free Safety Guarantees [8.587200177311516]
  政策学習は、個々の特性に基づいて誰が扱われるべきかを決定することを目的としている。 安全が重要視される医療や公共政策などの高リスク環境では、平均的な成果だけでは不十分である。 我々は,新しい配電不要な安全保証を備えた政策学習手法であるテキストコンフォーマルポリシー学習(CPL)を提案する。
  論文  参考訳（メタデータ） (2026-09-15T15:08:03Z)
• OGPO: Sample Efficient Full-Finetuning of Generative Control Policies [53.42266064673132]
  ジェネレーティブコントロールポリシー(GCP)は、ロボット学習に有効なパラメータ化として登場した。 この研究は、GCPを微調整するためのサンプル効率であるOGPO(Off-policy Generative Policy Optimization)を導入している。 OGPOはマルチタスク設定、高精度挿入、デクスタラス制御にまたがる操作タスクにおける最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-05-04T18:36:40Z)
• Policy Learning with Abstention [24.276267672386982]
  我々は、政策学習を棄権で研究し、政策が安全なデフォルトまたは専門家に延期される可能性がある。 ポリシーが停止すると、ランダムな推測の値の上に小さな付加的な報酬が与えられる。 政策学習における他の中核的問題への直接的応用において,禁忌は汎用的なツールであることを示す。
  論文  参考訳（メタデータ） (2025-10-22T15:18:29Z)
• Learning Deterministic Policies with Policy Gradients in Constrained Markov Decision Processes [59.27926064817273]
  我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し,支配的仮定の下でのグローバルな最終点収束保証を享受する。 制約制御タスクにおいて,アクションベース(C-PGAE)とパラメータベース(C-PGPE)の両方を実証的に検証する。
  論文  参考訳（メタデータ） (2025-06-06T10:29:05Z)
• How Generalizable Is My Behavior Cloning Policy? A Statistical Approach to Trustworthy Performance Evaluation [17.638831964639834]
  行動クローニングポリシーは、人間のデモンストレーションから学ぶことで複雑なタスクを解決することに成功している。 本稿では,任意の環境下でのロボット性能について,より低バウンドなフレームワークを提案する。 実験では,シミュレーションとハードウェアの両方におけるビジュモータ操作のポリシーを評価する。
  論文  参考訳（メタデータ） (2024-05-08T22:00:35Z)
• Conformal Off-Policy Evaluation in Markov Decision Processes [53.786439742572995]
  強化学習は、データから効率的な制御ポリシーを特定し評価することを目的としている。 この学習タスクのほとんどの方法は、Off-Policy Evaluation (OPE)と呼ばれ、正確さと確実性を保証するものではない。 本稿では,目標方針の真報を含む区間を所定の確信度で出力するコンフォーマル予測に基づく新しいOPE手法を提案する。
  論文  参考訳（メタデータ） (2023-04-05T16:45:11Z)
• Identification of Subgroups With Similar Benefits in Off-Policy Policy Evaluation [60.71312668265873]
  我々は,パーソナライズの必要性と自信ある予測とのバランスをとる方法を開発した。 本手法は不均一な治療効果の正確な予測に有効であることを示す。
  論文  参考訳（メタデータ） (2021-11-28T23:19:12Z)
• Offline Policy Selection under Uncertainty [113.57441913299868]
  我々は、オフラインポリシーの選択を、一定の経験データセットを与えられた政策予測のセットよりも学習の選好とみなす。 政策価値に対する信念に対する完全な分布へのアクセスは、より幅広い下流評価指標の下でより柔軟な選択アルゴリズムを可能にする。 BayesDICEが任意の下流ポリシー選択メトリックに関してポリシーのランク付けにどのように使用されるかを示します。
  論文  参考訳（メタデータ） (2020-12-12T23:09:21Z)

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。