論文の概要: Better Policies, Worse Verifier Audits

• arxiv url: http://arxiv.org/abs/2610.29029v1
• Date: Wed, 21 Oct 2026 01:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.16912
• Title: Better Policies, Worse Verifier Audits
• Title（参考訳）: より良い政策、より悪い検証監査
• Abstract要約: コンポーネント検証器は、完全な成功ラベルに対して新しいポリシー出力に基づいて評価され、スコアが下がったときにリフレッシュされる。 監査を行うと、政治外の$F$-AUCを減らし、損傷を目に見えないジェネレータに転送し、下流の制約違反を増やすことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Verifier stacks increasingly sit inside post-training and test-time compute loops. We study a specific control loop: a component verifier is evaluated on fresh policy outputs against the full success label and refreshed when that aggregate score falls. For a conjunctive target $y = F \wedge M$, its on-policy AUC is $(1-q)A_{\mathrm{own}} + qA_{\mathrm{cross}}$, where $q = \Pr[F=1 \mid y=0]$. As the policy masters $F$, $q$ can rise toward one, removing weight from $F$-failures and rewarding information about $M$. We call this on-policy audit collapse. We derive a sharp identified set, a complete-erasure threshold, and the exact point at which the audit can prefer a worse component verifier; its population optimum is the full-outcome predictor, not the component oracle. An exact oracle exhibits the collapse, a natural multi-label text control shows inversion can select a head with lower canonical $F$-AUC at the observed failure mixture, and a prediction-registered ECG study shows that acting on the audit can reduce off-policy $F$-AUC, transfer the damage to an unseen generator, and increase downstream constraint violations. Preserving own-failure support prevents the damage. Matching label-complexity bounds and a controlled-mixture audit give the corresponding repair: audit the component on its own failures, and keep those failures in the refresh distribution.
• Abstract（参考訳）: 検証スタックは、トレーニング後の計算ループとテスト時の計算ループの中にますます置かれている。 コンポーネント検証器は、完全な成功ラベルに対して新しいポリシー出力に基づいて評価され、スコアが下がったときにリフレッシュされる。 共役対象 $y = F \wedge M$ に対して、そのオンラインの AUC は $(1-q)A_{\mathrm{own}} + qA_{\mathrm{cross}}$ であり、$q = \Pr[F=1 \mid y=0]$ である。 ポリシーのマスターである$F$、$q$は1に向かって上昇し、$F$-failuresから重みを取り除き、$M$に関する情報を報奨する。 私たちはこれを政治監査の崩壊と呼ぶ。 我々は、厳密な識別セット、完全消去しきい値、そして監査がより悪いコンポーネント検証を優先できる正確な点を導出する。 正確なオラクルは崩壊を示し、自然のマルチラベルのテキストコントロールは、観測された故障混合物で低い標準の$F$-AUCのヘッドをインバージョンでき、予測登録されたECG調査は、監査の動作がオフポリシーの$F$-AUCを低減し、損傷を目に見えないジェネレータに転送し、下流の制約違反を増やすことができることを示している。 自給自給自足の維持は損傷を防ぐ。 ラベル-複雑度境界と制御混合監査にマッチすると、対応する修正が提供される: コンポーネントを独自の障害で監査し、それらの障害をリフレッシュ分布に保持する。

関連論文リスト

• Interpolation Is Not Invariance: Pair Count Is Not Coverage in Transformation Audits [0.0]
  同等のペアをカウントすることは、トランスフォーメーション監査のカバレッジを報告するための一般的な方法であるが、監査によって課される制約を大幅に上書きすることができる。 4つの相補的な量 - エッジカウント$m$, 効果的なコントラストランク$s$, 人口支援ランク$r$, グラフスペクトルギャップ$$-と, 監査カバレッジとデプロイメントの信頼性における役割を特徴づける。
  論文  参考訳（メタデータ） (2026-09-14T00:40:14Z)
• One Human, $N$ Agents: Audit-Budget Allocation for LLM Agent Fleets under Miscalibrated, Correlated Confidence [41.99844472131922]
  一人の人間が1ラウンド当たり$N$ LLMエージェントを予算$B ll N$監査で監査しなければならない。 我々はこれを、2段階のガウス的コーパスに対する予算付きノイズ検査としてモデル化し、信頼度の高い監査がランダムである場合の誤校正しきい値($*$過去)を特定する。
  論文  参考訳（メタデータ） (2026-07-30T14:52:36Z)
• Which Model Is Actually Serving You? IRIS: Budgeted Black-Box Auditing of Model Substitution and Routing Dilution in LLM Gateways [6.964275075635626]
  返却されたテキストのみを必要とする監査である$mathrmIRIS$を提示します。 安価なパイロットは指数的なクエリエラーの崩壊に適合し、疑わしいクエリが発行される前にその予算を凍結する。 $mathrmIRIS$ match or beats detection on shared task, and adapt allocationss the matched-budget target-hit rate from 7,3$% to 8,7$%。
  論文  参考訳（メタデータ） (2026-07-23T02:32:08Z)
• Auditing Near-Optimal Policies Can Be Exponentially Hard: Conditional Query Lower Bounds via Occupancy Rashomon Capacity [6.908972852063454]
  我々は,この現象を,羅生門容量の占有率の類似で定式化する。 占有度測定は、占有率のみの行動を特定する。 ノイズトリガー法則を処理後連続制御および視覚RL監査体制にマップする。
  論文  参考訳（メタデータ） (2026-05-29T23:09:01Z)
• Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
  emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。 EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
  論文  参考訳（メタデータ） (2026-05-28T09:45:47Z)
• When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression [1.14219428942199]
  標準的なプラクティスは、信頼性カットオフで校正されたスコアをしきい値にし、ハードラベルを真実として扱うことである。 疑似ラベリングパイプラインのためのキャリブレーション対応診断装置を開発した。 我々は、下流回帰係数において信頼しきい値が誘導する減衰バイアスの閉形式式を導出する。
  論文  参考訳（メタデータ） (2026-05-12T21:49:11Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Trade-off in Estimating the Number of Byzantine Clients in Federated Learning [51.015234193544636]
  フェデレート学習は、誤ったシグナルを送信できるビザンティンのクライアントにとって脆弱である。 我々は、過小評価(hatfge f$)が、アグリゲータとフェデレーションドラーニングの両方において、任意に貧弱なパフォーマンスをもたらすことを示した。 これらの最適境界はすべて$hatf/(n-f-hatf)$と$n$クライアントに比例し、より大きい$hatf$で単調に増加する。
  論文  参考訳（メタデータ） (2025-10-06T02:01:56Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)

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。