論文の概要: VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift

• arxiv url: http://arxiv.org/abs/2610.30090v1
• Date: Wed, 21 Oct 2026 17:39:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.462337
• Title: VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift
• Title（参考訳）: VX-One: 実時間周波トリアージのためのタイプ, 校正決定頭部 -未知の正当性, カスケードグレーゾーン, 漂流下の校正に関する実証的研究
• Abstract要約: 2026年後半には、製品APIとしてタイプ決定プリミティブの販売が開始された。 本稿では,これらのプリミティブを出力とする小型マルチヘッドネットワークVX-Oneを提案する。 UNSW-NB15, CIC-IDS 2017, EMBER2024でXGBoost, Random-Forest, Kitsuneを校正し, 2相カスケードの測定を行った。 我々は、キャリブレーションされた決定が周辺でのトリアージを助け、どこで失敗するかを計測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Perimeter triage faces a latency/semantics trade-off: signature engines are fast and format-safe but blind to unseen attacks, while generative models are semantic but slow and produce unparseable output. In late 2026 a class of commercial System One decision models (TypeSafe Jev; Microsoft-Decision-1) began selling typed decision primitives - binary gates, closed-set choices, ordinal scores - as product APIs, with no academic treatment. We present VX-One: a small multi-head network (100K-10M parameters) whose outputs are these primitives - a calibrated gate, a choice over a closed candidate set that always includes an explicit unknown option, and an ordinal score, trained multi-task, temperature-calibrated per head (~0.7-1.7 ms p50 on CPU). We evaluate it on UNSW-NB15, CIC-IDS2017, EMBER2024 against calibrated XGBoost, Random-Forest, MLP, Kitsune, and measure a two-phase cascade (Suricata with 52,674 Emerging-Threats rules -> VX-One) over five days of CIC-IDS2017. Findings: (i) VX-One wins detection (AUROC/FPR@95%TPR) on UNSW-NB15 and under temporal drift on CIC-IDS2017 (0.711 vs 0.637), but XGBoost wins multi-class attribution on all three benchmarks; (ii) leave-one-family-out gate detects never-seen families on 9/9 UNSW folds yet drops below chance on CIC recon family, and abstention threshold transfers poorly across benchmarks; (iii) on payload-less reconstructions signature engines resolve ~0.1% of flows - gray zone ~99.9% of traffic, recovered by Phase 2 (combined recall >=0.978); (iv) calibration collapses under temporal drift (ECE 0.04->0.40) for every method while ranking partially survives. We provide a measured account of where typed calibrated decisions help perimeter triage, and where they fail.
• Abstract（参考訳）: 署名エンジンは高速でフォーマットセーフだが、目に見えない攻撃には盲目である。 2026年後半には、有償のSystem One決定モデル(TypeSafe Jev、Microsoft-Decision-1)のクラスが、二進ゲート、クローズドセットの選択、順序スコアといった型付き決定プリミティブを、学術的な扱いなしに製品APIとして販売し始めた。 VX-One:これらのプリミティブを出力する小さなマルチヘッドネットワーク(100K-10Mパラメータ) - キャリブレーションゲート、明示的な未知のオプションを含むクローズド候補セット、および順序スコア、訓練されたマルチタスク、ヘッド毎の温度校正(CPU上では~0.7-1.7 ms p50) - について述べる。 UNSW-NB15, CIC-IDS2017, EMBER2024, 校正XGBoost, Random-Forest, MLP, Kitsuneで評価し, CIC-IDS2017の5日間で2相カスケード(52,674エミジング・スリーツ規則-> VX-One)を測定した。 発見 i) VX-One wins detection (AUROC/FPR@95%TPR) on UNSW-NB15 and under temporal drift on CIC-IDS2017 (0.711 vs 0.637), but XGBoost wins multi-class attribution on all three benchmarks。 (ii)UNSWの9/9の折りたたみ部で見つからない家族を検知するが、CICのコンストラクションファミリーではチャンスを減らし、ベンチマーク間での保持しきい値の移動が不十分である。 三 積荷無し再建シグネチャエンジンにおいて、フローの0.1%～グレーゾーン〜99.9%を解消し、フェーズ2で回収する(コンビネートリコール>=0.978)。 (4) 時間的ドリフト (ECE 0.04->0.40) 下でのキャリブレーションの崩壊は, いずれの方法においても部分的に残存する。 タイプされたキャリブレーションされた決定が、近距離トリアージに役立ち、どこで失敗するのかを計測する。

関連論文リスト

• Cross-Scenario Industrial Defect Detection via Domain-Robust Training and Metric-Aligned Selection [9.575233416810597]
  IDA 2026トラック1チャレンジに対するクロスシナリオ欠陥検出手法を提案する。 この方法は、4つの相補的なモジュールを含む: クロスセサリオロバストトレーニング、小さな欠陥認識学習、スコアキャリブレーションと推論しきい値選択、メトリック整列チェックポイント選択。 実験結果から,テストデータセットにおけるトラック1スコアの0.564,スクリーニングスコアの0.696が得られた。
  論文  参考訳（メタデータ） (2026-10-14T03:57:52Z)
• From Routing Signals to Selective Review: Visual regrounding in MoE VLMs [48.07726955428853]
  視覚言語モデル(VLM)は偽の視覚的前提を受け入れ、対象の物体の色、数、位置、状態について疑問に答える。 本稿では,Mixture-of-Experts (MoE)VLMにおける内部ルーティング決定を活用するための最初のフレームワークを提案する。 提案手法は,MoE VLMによってすでに作成されており,低コストな検出と選択的な視覚的リグラウンドを支援することができる。
  論文  参考訳（メタデータ） (2026-09-29T17:49:07Z)
• Greedy Decoding Is Not Precision-Invariant: Cross-Precision Output Divergence in LLM Inference [13.137699166830322]
  大規模言語モデルからのグレディ復号は、一般に決定論的として扱われる。 同一のモデル,プロンプト,デコードアルゴリズムは同一のハードウェア上で,BF16とFP16の異なる出力を生成する。 実験により,22層に蓄積したボディーエラーは,浮動小数点数と浮動小数点数とを区別しないことがわかった。
  論文  参考訳（メタデータ） (2026-09-22T15:54:16Z)
• Offline Reinforcement Learning for Distribution-Grid Protection [42.05746375597851]
  我々は,CIGRE中電圧ネットワークの静的軌跡からの線選択的トリップについて検討した。 畳み込みQネットワークは、因果電圧電流ファサーおよび見かけインピーダンス特徴を受信する。 その結果,密度予測性能と終端保護挙動がモデルランキングに影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-21T14:49:04Z)
• SCX Router: Streaming Zero-Shot Model Selection with a Decoder-KV Classifier and a Real-World Task Ontology [47.16406021922537]
  本稿では,GLiClassをベースとした軽量ルータであるルータを紹介し,自動生成なしで各推論時間モデルラベルに適合点を割り当てる。 タスク生成には、23のファミリー、115のタスクタイプ、345のルータブルなサブタイプ、1,173の合成例と30のドメインの軸を持つタスク構造を構築する。 次に、これらのタスクでQwen3デコーダをトレーニングし、学習された要求予測を、適格性、コスト、キャッシュ再利用、安全性、主権といった属性に対するタスクごとのポリシーから明確に分離します。
  論文  参考訳（メタデータ） (2026-09-02T08:40:07Z)
• Benchmarking Quantum Machine Learning for Power-System Attack Detection: Evaluation Choices Decide the Outcome Before the Models Do [0.0]
  我々は、チューニングされた古典モデルに対する電力システムサイバーアタックのための機械学習検出器をベンチマークする。 ベンチマークの回答は、モデルの前に評価者の選択によって設定される。 正の制御では、正確さはnullである: ラベルはパイプラインではなくパイプラインである。
  論文  参考訳（メタデータ） (2026-08-16T08:32:39Z)
• From CVE to CWE: Syscall-Based HIDS Generalisation [41.99844472131922]
  運用環境では、ディフェンダーは既知の脆弱性の新たなエクスプロイトを認識する必要がある。 我々は,CWE(Common Weaknession)クラスを共有するCVEの正常な動作に基づいて訓練された一級異常検知器が,同一クラス内の別の未知のCVEに一般化するか否かを実証的に検証した。
  論文  参考訳（メタデータ） (2026-06-21T16:34:39Z)
• Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents [3.964533007623828]
  現代の大規模言語モデル(LLM)エージェントは、行動の時点で決定に関連のある証拠を必要とする。 本稿では、事例コンテキストグラフを構築し、候補単位の決定指向ユーティリティを推定し、選択したエビデンスを型付きメモリカードに圧縮するCICLについて述べる。 CICLは、ツール使用エージェントの意思決定クリティカルコンテキストの測定、ランキング、圧縮のための実用的なレイヤを提供する。
  論文  参考訳（メタデータ） (2026-06-06T13:02:28Z)
• From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
  基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。 理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。 NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
  論文  参考訳（メタデータ） (2026-05-23T23:15:07Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)

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。