論文の概要: The Price of Choice in Selective Prediction
- arxiv url: http://arxiv.org/abs/2610.29067v1
- Date: Wed, 21 Oct 2026 01:45:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.177281
- Title: The Price of Choice in Selective Prediction
- Title（参考訳）: 選択予測における選択の価格
- Abstract要約: 本研究は, 相互結合試験(IUT)の妥当性を補正せずに評価し, 最適監査との比較を行った。
固定された内部リスクターゲット$とギャップ$の場合、カバーフロアのK-インターバルメニューのミニマックスサンプルサイズは、対数係数まで$K(1-)/(2)$である。
凍結画像とマルチモーダル分類器は、IUT保証と実際の証明書に対する強力なパワーとに一致した境界挙動を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A selective classifier may be claimed to satisfy a risk-coverage contract if some rule from a predeclared menu (a threshold or a union of $K$ score intervals) attains coverage at least $κ$ and error at most $α$. Refuting this existential claim requires ruling out every permitted rule. The intersection-union test (IUT) achieves validity without a multiplicity correction, but its sample cost can increase with menu richness. We characterize this cost and compare it with the optimal audit. For a fixed interior risk target $α$ and gap $γ$, the minimax sample size for K-interval menus at coverage floor $κ$ is $K(1-κ)/(κγ^2)$, up to logarithmic factors, in the stated small-gap, large-menu regime; exact IUT attains this rate. The lower bound holds even with a known score distribution, while the upper bound extends to menus of VC dimension $d$. Procedures that refuse to reject whenever any rule appears feasible on the audit sample can pay a linear $K$ cost even when a square-root rate is possible. Reference-free testing reaches a smaller scale under constant-risk alternatives, whereas unknown heterogeneous risks can make the linear cost unavoidable. In simulations with $K=4$, the raw menu cost varies 7.7-fold between $κ=.5$ and $κ=.95$; after theorem-motivated normalization the endpoint values differ by approximately 5%. Held-out experiments with three VLM judges show positive exact-hiding windows in all 60 split-specific confidence-gate families, with 28/30 contracts chosen on audit-A remaining hidden on untouched audit-B. On a cleaner multi-annotator target, hiding is weaker and transfers in 3/10 resplits. Frozen image and multimodal classifiers show boundary behavior consistent with the IUT guarantee and strong power relative to practical certificates.
- Abstract（参考訳）: 選択型分類器は、事前宣言されたメニュー(しきい値またはスコア間隔の和)からの何らかのルールが少なくともκ$、エラーが少なくとも$α$に達すると、リスクカバレッジ契約を満たすことができる。
この実在的主張に異議を唱えるには、許されたすべての規則を除外する必要がある。
交差ユニオンテスト (IUT) は多重度補正なしで有効であるが, メニューの豊かさによってサンプルコストが増大する可能性がある。
このコストを最適監査と比較する。
固定された内部リスクターゲット$α$とギャップ$γ$の場合、カバーフロアでのK-インターバルメニューのミニマックスサンプルサイズ$κ$は$K(1-κ)/(κγ^2)$である。
下限は既知のスコア分布であっても保持し、上限はVC次元$d$のメニューに拡張する。
監査サンプルでルールが実行可能になった場合、拒否を拒否する手続きは、平方根率が可能である場合でも、線形で$K$の費用を支払うことができる。
基準のないテストは、一定のリスクの代替条件下ではより小さなスケールに到達するが、未知の不均一なリスクは線形コストを回避できない。
K=4$のシミュレーションでは、生のメニューコストは$κ=.5$と$κ=.95$の間で7.7倍になる。
3人のVLM審査員によるハードアウト実験では、60家族全員に正の正の正当な隠蔽窓が見られ、監査では28/30の契約が選択された。
よりクリーンなマルチアノテーションターゲットでは、隠れは弱く、3/10リスプリットで転送される。
凍結画像とマルチモーダル分類器は、IUT保証と実際の証明書に対する強力なパワーとに一致した境界挙動を示す。
関連論文リスト
- Counterfactual Probing for Parallel Unmasking with Hidden Forest Structure [50.58119214447535]
マスク付き生成モデルは並列トークン予測を提供するが、正確な並列サンプリングはトークンを考慮しなければならない。
本研究は,発見を含む全評価がシーケンス長$N$のサブ線形であるかどうかを考察する。
本研究では, 森林構造を隠蔽した離散分布を, 固定された近似条件オラクルを通してアクセスする。
論文 参考訳（メタデータ） (2026-09-29T15:39:50Z) - Improved Private Sparse Covariance Estimation with Multiscale Threshold Tests [19.221722169368494]
サンプル複雑性$ot(k2/2+ksqrt d/(varepsilon)$ for $(varepsilon,)$-differential privacy and error at most $2$。
境界は、既存の$ot(k2/2+k3/2sqrt d/(varepsilon))$ citepkumar2026上界のプライバシー依存項を$sqrt k$で改善し、一致させる。
論文 参考訳（メタデータ） (2026-09-19T05:31:47Z) - Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
一般的な実現可能性の下では、我々のLEDGERアルゴリズムは、期待される損失$O(sqrt T)と期待される予算違反$O(sqrtTlog(eT))を達成します。
スレーター条件、フィードバックチャネル間の独立性、絶対的制約値境界は不要である。
論文 参考訳（メタデータ） (2026-09-07T01:38:41Z) - Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。
我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文 参考訳（メタデータ） (2026-08-06T19:49:48Z) - Auditing Combinatorial Randomness from Finite Transcripts [0.2864713389096699]
我々は、$m$ラベルから$k$-subsetのブラックボックス監査を、正確にuniform-with-out-replacement nullの下で研究する。
構造的欠陥に対しては, 境界型チ二乗, ペア最大値, シリアルオーバーラップ, アンカードボックスパルション, 低次元差分を用いて, ハイパープレックス上でのNull-Agnostic auditsを構築する。
観測および基準ソース監査全体において、偽発見訂正後の統計は有意なものではない。
論文 参考訳（メタデータ） (2026-06-20T13:17:44Z) - A Joint Finite-Sample Certificate for Adaptive Selective Conformal Risk Control [0.9668407688201359]
選択したリスクを直接比率として扱うことにより、有界、おそらくは非単調な損失の証明を与える。
1/pmin$から1/sqrtpmin$への受け入れフロア依存を鋭くする。
この証明書は、Hoeffding--CRCに対する認証受け入れフロンティアを$+22$ ppで開く。
論文 参考訳（メタデータ） (2026-06-07T08:55:44Z) - Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。
本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。
Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
論文 参考訳（メタデータ） (2025-12-14T09:43:03Z) - Contextual Combinatorial Bandits with Probabilistically Triggered Arms [55.9237004478033]
確率的に誘発される腕(C$2$MAB-T)を様々な滑らかさ条件下で検討した。
トリガー変調 (TPM) 条件の下では、C$2$-UC-Tアルゴリズムを考案し、後悔すべき$tildeO(dsqrtT)$を導出する。
論文 参考訳（メタデータ） (2023-03-30T02:51:00Z) - Batch-Size Independent Regret Bounds for Combinatorial Semi-Bandits with Probabilistically Triggered Arms or Independent Arms [59.8188496313214]
半帯域 (CMAB) について検討し, 半帯域 (CMAB) におけるバッチサイズ (K$) の依存性の低減に着目した。
まず,確率的に引き起こされるアーム(CMAB-T)を用いたCMABの設定に対して,分散を考慮した信頼区間を持つBCUCB-Tアルゴリズムを提案する。
次に,独立アームを用いた非トリガ型CMABの設定に対して,TPVM条件の非トリガ型を利用したSESCBアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-31T13:09:39Z)
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。