論文の概要: Learning When to Trust and Reobserve Sparse-Frame VideoQA from Temporal Sampling Perturbations

• arxiv url: http://arxiv.org/abs/2610.23969v1
• Date: Mon, 12 Oct 2026 11:50:02 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:44:41.765085
• Title: Learning When to Trust and Reobserve Sparse-Frame VideoQA from Temporal Sampling Perturbations
• Title（参考訳）: 時間的サンプリング摂動によるスパースフレームビデオQAの信頼と保護の学習
• Abstract要約: 制御された時間オフセットで凍結VLMを探索し, 位相投票応答の信頼性を予測し, 特定の救助行動の事例的正当性向上を予測した。 手法開発には256パーセプション・テスト・ビデオを使用し、554の物理問題からなる256ビデオ・テスト・セットの評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Sparse-frame video-language models can change their answers when only the sampling timestamps shift. Raw agreement exposes this problem, but it need not rank errors better than token confidence or identify which additional observation will repair an answer. We argue that answer risk and action value must be estimated separately. PhaseGuard+ probes a frozen VLM at controlled temporal offsets, predicts the reliability of the phase-vote answer, and predicts the example-wise correctness gain of a specific rescue action. The second score routes only examples expected to benefit from denser frames or a stronger VLM. Both predictors use lightweight models trained on public data; the VLMs remain frozen. We use 256 Perception Test videos for method development and evaluate on a disjoint 256-video test set comprising 554 Physics questions. For Qwen3-VL-8B, reliability AUROC rises from 68.0% with token softmax to 74.8% (+6.8 pp, 95% CI [2.6, 10.7] pp). Routing 30% of questions to Qwen3-VL-32B reaches 67.87% accuracy, compared with 63.66% for budget-matched random routing (+4.21 percentage points, CI [1.89, 6.40]). All four tested rescue pairs significantly outperform random routing. Temporal sensitivity becomes actionable when the system learns both whether an answer is unreliable and whether an available action is likely to fix it.
• Abstract（参考訳）: スパースフレームのビデオ言語モデルは、サンプリングタイムスタンプだけを変えると答えを変えることができる。 生の合意はこの問題を明らかにするが、トークンの信頼性や、どの追加の観察が答えを修復するかを判断するよりもエラーをランク付けする必要はない。 我々は、回答のリスクと行動価値を別々に見積もる必要があると論じている。 PhaseGuard+は、制御された時間オフセットで凍結されたVLMをプローブし、フェーズボイト応答の信頼性を予測し、特定の救助行動のサンプルワイドの正しさを予測します。 第2のスコアは、より密度の高いフレームやより強力なVLMの恩恵を受けると期待されるサンプルのみをルートする。 両方の予測器は、公開データに基づいてトレーニングされた軽量モデルを使用する。 手法開発には256パーセプション・テスト・ビデオを使用し、554の物理問題からなる256ビデオ・テスト・セットの評価を行った。 Qwen3-VL-8Bでは、AUROCの信頼性は68.0%から74.8%に上昇する(+6.8 pp, 95% CI [2.6, 10.7] pp)。 Qwen3-VL-32Bへの質問の30%は67.87%に達し、予算に適合したランダムなルーティングは63.66%である(+4.21%、CI [1.89, 6.40])。 テストされた4組の救助ペアは、ランダムなルーティングを著しく上回った。 システムは、答えが信頼できないか、利用可能なアクションがそれを修正できるかどうかを学習する。

関連論文リスト

• Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses [6.778374627376906]
  System-1決定モデルは、クラス確率で単一のフォワードパスでそのような質問に答える。 オープンウェイト (Laya) モデルとホスト (Jev) System-1 モデルとのペア評価を行った。
  論文  参考訳（メタデータ） (2026-10-01T05:57:14Z)
• Learn Now, Use Next, Trust Later: Prequential Test-Time Learning for LLM Agents [55.440058537827134]
  StepLearnは、永続的な信頼から即時の使用を分離する非パラメトリックフレームワークである。 情報的な遷移を仮説に変え、次のステップを導く。 GPT-5-miniでの平均成功率は59.9%、84.0%、Qwen3.5-35B-A3Bで57.8%、88.1%である。
  論文  参考訳（メタデータ） (2026-09-28T08:06:03Z)
• STORM-Bench: Evaluating Online Video QA under Evolving and Incomplete Evidence [35.53455523414424]
  現在STORM-Benchは630エピソードにまたがる5,736の質問から成り立っている。 オンラインの精度は60.3%(平均51.7%)、STORM-BRは5.7%から35.6%(平均18.8%)である。
  論文  参考訳（メタデータ） (2026-09-25T08:27:29Z)
• Evaluating Confidence-Gated Retrieval with Matched Trajectory Replay [3.888537003098864]
  信頼と行動のマッピングを比較するための制御プロトコルであるMatched trajectory replayを提案する。 マルチホップ質問応答システムにおいて, 生の言語的信頼度とポストホック等調音校正度を比較した。 全体的な精度は、HotpotQAでは最大15ポイント向上するが、MuSiQueでは最大17ポイント低下する。
  論文  参考訳（メタデータ） (2026-08-27T09:15:33Z)
• Beyond Self-Knowledge: Propagating Uncertainty Across Reasoning and Retrieval in LLMs [4.476374205849672]
  ブラックボックス言語モデルの言語的信頼度は、検索ルーティングのための実用的な信号として機能する。 6つのQAベンチマーク、3つのモデルファミリー、3つの検索ポリシーで27,000のポリシーインスタンスを評価した。
  論文  参考訳（メタデータ） (2026-07-28T11:30:25Z)
• A Multi-Layer Cloud-IDS Pipeline with LLM and Adaptive Q-Learning Calibration [3.8389528716038055]
  クラウドコンピューティングのセキュリティは、階層化されたクラウドアーキテクチャ、動的環境、目に見えない、あるいはゼロデイの攻撃にさらされることによって、大きな関心事になっている。 本研究では,クラウド環境に適した強化学習を用いて,信頼性に配慮したマルチレベル侵入検知システムを構築する。
  論文  参考訳（メタデータ） (2026-05-15T12:19:34Z)
• Uncertainty is Fragile: Manipulating Uncertainty in Large Language Models [79.76293901420146]
  大規模言語モデル(LLM)は、出力の信頼性が不可欠である様々な高い領域で採用されている。 本研究では,不確実性推定の脆弱性を調査し,攻撃の可能性を探る。 攻撃者がLSMにバックドアを埋め込むことができ、入力中の特定のトリガーによって起動されると、最終的な出力に影響を与えることなくモデルの不確実性を操作できることを示す。
  論文  参考訳（メタデータ） (2024-07-15T23:41:11Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)
• Selective Question Answering under Domain Shift [90.021577320085]
  モデルがドメイン外の入力に対して過度に信頼されているため、モデルのソフトマックス確率のみに基づくアテンションポリシーは不適切である。 キャリブレータをトレーニングして、QAモデルがアースする入力を識別し、エラーを予測した場合に停止する。 提案手法は,80%の精度を維持しながら56%の質問に回答するが,それに対してモデルの確率を直接使用する場合,80%の精度で48%しか回答しない。
  論文  参考訳（メタデータ） (2020-06-16T19:13:21Z)

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。