論文の概要: LaVGuard: Selective Decoding for Contextual Value Drift

• arxiv url: http://arxiv.org/abs/2610.29135v1
• Date: Wed, 21 Oct 2026 03:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.187932
• Title: LaVGuard: Selective Decoding for Contextual Value Drift
• Title（参考訳）: LaVGuard: コンテキスト値ドリフトの選択的デコーディング
• Abstract要約: 本研究では,タスク関係のデコード問題としてコンテキスト値のドリフトについて,変化の明示的な許容度を用いて検討する。 LaVGuardは、承認された10次元プロファイルと、可視的接頭辞で表される値の凍結推定を分離する。 プロファイル相対密度ゲートは、いつ候補継続を評価するかを選択し、符号付き進行は、変更位置と累積KL予算の両方で制約されたロジット傾きを決定する。
• 参考スコア（独自算出の注目度）: 13.841354936843592
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A content-safe response can still promote priorities that conflict with its task: an assistant may demand compliance when asked to preserve autonomy. We study contextual value drift as a task-relative decoding problem with an explicit allowance for change. LaVGuard separates an authorized ten-dimensional profile from a frozen estimate of the values expressed in the visible prefix. A profile-relative density gate selects when to evaluate candidate continuations; their signed progress determines a logit tilt constrained by both changed-position and cumulative-KL budgets. We establish local surrogate improvement, pathwise budget feasibility, and a bound on response-distribution change. Profile conditioning raises boundary TPR at 5% FPR from .58 to .72. At the same .12 mean intervention ratio, the selection study reports risk-safety scores of .88 for LaVGuard and .72 for position-matched edits. The resulting interface makes task priorities actionable while keeping the extent of intervention explicit and bounded.
• Abstract（参考訳）: コンテンツセーフなレスポンスは、そのタスクと矛盾する優先順位を推し進めることができます。 本研究では,タスク関係のデコード問題としてコンテキスト値のドリフトについて,変化の明示的な許容度を用いて検討する。 LaVGuardは、承認された10次元プロファイルと、可視的接頭辞で表される値の凍結推定を分離する。 プロファイル相対密度ゲートは、いつ候補継続を評価するかを選択し、符号付き進行は、変更位置と累積KL予算の両方で制約されたロジット傾きを決定する。 ローカルサロゲートの改善、パスワイドな予算実現可能性、およびレスポンス・ディストリビューション・チェンジの限界を確立する。 プロファイル条件付けは境界TPRを.58から.72までの5%FPRで上昇させる。 同じ.12平均介入率で、選択調査では、LaVGuardでは.88、位置合わせ編集では.72のリスクセーフティスコアが報告されている。 結果として生じるインターフェースは、介入の程度を明示的かつ限定的に保ちながら、タスクの優先順位を動作可能にします。

関連論文リスト

• SafeAdapt-Poker: Counterfactual Risk Calibration for Budgeted Adaptation under Opponent Shift [16.90805676639706]
  SafeAdapt-は、二重対数シーケンシャル制御問題として、反対シフト下での予算付き適応を定式化する。 評価対象は、正確なゲーム利用と安全性、四つの反対シフト、ローカルリスク校正、遅延機会割り当て、直接機会価値推定、値エラー、因子機構属性、予算感度、抽象HUNLクロスプレイ、プレイヤー/タイムアウト公開履歴の振る舞いである。
  論文  参考訳（メタデータ） (2026-10-14T16:50:42Z)
• SaTPO: Text-to-Image Safety Alignment via Transition Preference Optimization [81.8045246762617]
  テキストと画像の拡散モデルの安全性は、有用な生成能力を損なうことなく有害なコンテンツを抑えることを目的としている。 本稿では,デノナイズ時に段階的にアライメントを行う安全遷移選好最適化(SaTPO)を提案する。
  論文  参考訳（メタデータ） (2026-10-14T04:21:20Z)
• What to Admit and How to Present: Governing Persistent Memory in LLM Agents [3.0075075797261532]
  私たちは、承認とプレゼンテーションの2つのガバナンス決定を区別します。 再トレーニングなしに2つの推論時設計を実装した。 対訳 FC と PS はプールド・ジャッジ・アセスド・失敗率を低下させる。
  論文  参考訳（メタデータ） (2026-10-08T03:45:28Z)
• When Reasoning Helps Action: Monitoring and Steering Chain-of-Thought in Vision-Language-Action Policies [7.580719272198118]
  推論可能なVLAポリシは、そのアクションの説明とガイドのように見えるチェーンオブ思想のトレースを公開する。 信頼性と動作性を評価するための2つの評価軸を定義し,運用する。 アルパマヨ1.5の運転VLAでは、TRUSTは88.9%の精度で正確さを監視し、推論の正確さを75.9%から90.0%に改善する。
  論文  参考訳（メタデータ） (2026-09-30T19:04:58Z)
• Bilinear Optimization Divergence: Diagnosing Factor-Constrained LoRA Continual Learning [9.210432526729507]
  本稿では,選択した歴史的特徴に対する有効更新応答のアンカー相対的診断を定式化する。 共用アダプタにおいて、ルーティング変位を保護すると、変化した共役因子を介して学習アンカー残余が残る。 新たなゼロ出力ブロックでは、実行可能なルーティング状態が、両方の現在の要因がトレーニング可能である間、構成された更新を保護することができる。
  論文  参考訳（メタデータ） (2026-09-20T12:26:14Z)
• EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents [74.54929751174289]
  EvoSafeHarnessは、ターゲットドメイン内の凍結モデルのためのデプロイ可能なハーネスを合成する、安全固有の最適化フレームワークである。 これは平均攻撃成功率を3.3ポイントのユーティリティコストで45.6%から10.0%に下げる。 また、Agent-SafetyBenchでは、すべての犠牲者に対してベストスコアを獲得している。
  論文  参考訳（メタデータ） (2026-09-05T05:56:41Z)
• Revelation Control [0.0]
  啓示制御(Revelation Control)は、意図された区別が連続的な決定を変更できるため、内部でのみ隠された状態を明らかにする価格設定された介入を選択する問題である。 我々はこの理論を学習システムに展開し、現在宣言されている情報に準ずる状態が将来の訓練に異なる反応をし、異なる行動を好むことができるようにした。
  論文  参考訳（メタデータ） (2026-08-24T22:07:57Z)
• Evaluating Prompt Injection Defenses for Educational LLM Tutors: Security-Usability-Latency Trade-offs [51.56484100374058]
  ガードレールの設計には、敵の堅牢性、良質なタスクのユーザビリティ、応答レイテンシの明確なトレードオフが伴う。 決定論的パターンフィルタ,構造検証,コンテキストサンドボックス,セッションレベルの動作チェックを組み合わせた,ドメイン固有のマルチレイヤセーフガードパイプラインの評価を行った。 NeMoは16.22パーセントのFPRと1.5パーセントのレイテンシで0パーセントのバイパスに達し、Prompt Guardは38.48パーセントのFPRと3.60パーセントのバイパスを実現している。
  論文  参考訳（メタデータ） (2026-03-29T18:52:01Z)
• Learning Steerable Clarification Policies with Collaborative Self-play [67.67872810596839]
  不明瞭なクエリを処理するために、AIアシスタントは不確実性を管理するためのポリシーが必要である。 我々は,この不確実性を管理するために,自己再生を用いて評価可能な政策を訓練することを提案する。 このことが、提供されたコストに応じて予測可能な振る舞いを変更する、評価可能なポリシーにつながることを示す。
  論文  参考訳（メタデータ） (2025-12-03T18:49:54Z)
• 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)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)

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。