論文の概要: Agentic Distributional Regression: Conditional Density Estimation through Agent-Written Programs

• arxiv url: http://arxiv.org/abs/2610.37611v1
• Date: Tue, 27 Oct 2026 17:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.278994
• Title: Agentic Distributional Regression: Conditional Density Estimation through Agent-Written Programs
• Title（参考訳）: エージェント分布回帰:エージェント記述プログラムによる条件密度推定
• Abstract要約: 言語モデルエージェントを用いて,iidサンプルから条件密度を推定する手法を提案する。 明示的な複雑性最適化仮定の下で有限サンプル誤差を導出する。 十分な精度の適合性を有する安定に選択された正則構造に対して、適合定数の正規性を得る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we propose a method for estimating conditional densities from an iid sample using a language-model agent. The agent writes the estimator as a short program that, for each covariate value, returns the estimated conditional distribution of the response. The program is built from a library of probability distributions, so the returned law can be a parametric distribution, a mixture or a multivariate factorization, with parameters given by explicit functions of the covariates. Since the number of operations and constants in the program is limited, the fitted conditional density is a formula that can be inspected and evaluated independently of the agent, while the choice of the model structure and of the fitting procedure is left to the agent. We call this approach agentic distributional regression (ADR). Treating the returned program as a random conditional density estimator, we derive a finite-sample error bound under explicit complexity and optimization assumptions, and an oracle inequality for selection using independent validation data. For a stably selected regular structure with sufficiently accurate fitting, we obtain asymptotic normality of the fitted constants. In simulation studies, on twelve real datasets and on a new dataset collected after the agents' training data, ADR with Claude Opus 5.5 has the best average performance among the methods considered.
• Abstract（参考訳）: 本稿では,言語モデルエージェントを用いたIidサンプルから条件密度を推定する手法を提案する。 エージェントは、各共変量に対して応答の推定条件分布を返すショートプログラムとして推定器を記述する。 プログラムは確率分布のライブラリから構築されるので、返される法則はパラメトリック分布、混合あるいは多変量分解であり、共変数の明示的な関数によってパラメータが与えられる。 プログラム内の操作数や定数が制限されているため、適合条件密度は、モデル構造と適合手順の選択をエージェントに委ねながら、エージェントと独立して検査および評価できる式である。 この手法をエージェント分布回帰 (ADR) と呼ぶ。 返却プログラムをランダムな条件密度推定器として扱うと、明示的な複雑性と最適化の仮定の下で有限サンプル誤差を導出し、独立検証データを用いて選択するオラクルの不等式を導出する。 十分な精度の適合性を有する安定に選択された正則構造に対して、適合定数の漸近正規性を求める。 シミュレーション研究では、12の実際のデータセットと、エージェントのトレーニングデータ後に収集された新しいデータセットに基づいて、Claude Opus 5.5を用いたADRは、考慮されたメソッドの中で最高の平均パフォーマンスを持つ。

関連論文リスト

• Testing Algebraic Complete Intersections [51.56484100374058]
  本研究では, 所定の次元, 有界次数, 有界条件数の実代数的完全交叉付近に分布が集中しているかどうかを検証する。 このような多様体の非存在を証明した明示的で効果的な学習手順を設計する。 次に、この補助最適化問題を解くために、データ駆動アルゴリズムを開発し、そのサンプルと算術的複雑性の明示的な境界を確立する。
  論文  参考訳（メタデータ） (2026-10-08T16:44:25Z)
• Efficient Covariance Estimation for Sparsified Functional Data [51.69796254617083]
  共分散関数のランダムノット(ランダムノット-空間)とB-スプライン(Bspline-Spatial)推定器は計算的に効率的である。 共分散の漸近的なポイントワイドは、ある規則性条件下でのスパース化された個々の軌跡に対して得られる。
  論文  参考訳（メタデータ） (2025-11-23T00:50:33Z)
• Going from a Representative Agent to Counterfactuals in Combinatorial Choice [1.7074019866492325]
  本稿では,二元多面体の集合からデータを抽出する意思決定問題について検討する。 本稿では,代表エージェントモデルに基づく非パラメトリックな非実例推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-29T15:24:23Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• Bayesian Estimation and Tuning-Free Rank Detection for Probability Mass Function Tensors [17.640500920466984]
  本稿では,関節のPMFを推定し,そのランクを観測データから自動的に推定する新しい枠組みを提案する。 我々は、様々なモデルパラメータの後方分布を近似するために、変分推論(VI)に基づく決定論的解を導出し、さらに、変分推論(SVI)を利用して、VVIベースのアプローチのスケーラブルバージョンを開発する。 合成データと実映画レコメンデーションデータの両方を含む実験は、推定精度、自動ランク検出、計算効率の点で、VVIおよびSVIベースの手法の利点を示している。
  論文  参考訳（メタデータ） (2024-10-08T20:07:49Z)
• Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
  2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。 本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
  論文  参考訳（メタデータ） (2022-01-25T10:02:23Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)
• Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
  我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。 本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
  論文  参考訳（メタデータ） (2020-05-22T22:30:52Z)

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。