論文の概要: Certified Behavioral Retention for Continual Adaptation with Held-Out Anchors
- arxiv url: http://arxiv.org/abs/2610.40740v1
- Date: Thu, 29 Oct 2026 15:08:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.453915
- Title: Certified Behavioral Retention for Continual Adaptation with Held-Out Anchors
- Title（参考訳）: Held-Outアンカーによる連続適応のための認証行動保持
- Abstract要約: Certified Anchor-Based Adaptation (CABA) は, 更新後ゲートである。
我々は、測定されたアンカー保持を条件付きオフアンカー保証から分離する理論に基づく認証フレームワークを開発する。
CABAは、制約のない適応では1.01%から0.00%に減らし、最終平均精度は93.04%から88.48パーセントに低下する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continual adaptation requires deciding not only how to update a model, but whether to commit an update without exceeding a declared budget for changes to protected behavior. We introduce Certified Anchor-Based Adaptation (CABA), a candidate-agnostic post-update gate that reserves historical observations from candidate optimization, compares old and candidate policies on frozen representations, and selects the largest tested interpolation coefficient whose worst-anchor forward KL divergence remains within budget. The finite check requires neither action labels nor complete trajectories. We develop a theory-led certification framework that separates measured anchor retention from conditional off-anchor guarantees. Under explicit representation-coverage and Lipschitz assumptions, an accepted update satisfies a uniform behavioral-divergence bound on protected support. The analysis gives regularity bounds for affine softmax heads, probabilistic coverage and compression guarantees, interpolation monotonicity conditions, grid-resolution bounds, and trajectory-level and sequential-composition guarantees. In a controlled UCI Human Activity Recognition study used as a non-stationary sensor-policy proxy, CABA reduces mean forgetting from 1.01 percent for unconstrained adaptation to 0.00 percent at budget epsilon = 0.05, while reducing final average accuracy from 93.04 percent to 88.48 percent. The experiment illustrates a retention-plasticity trade-off and does not establish foundation-model or robotic performance. CABA provides an auditable retention check for candidate generators exposing comparable policy distributions and a declared update path, while deployment also requires separate evidence of current-task utility.
- Abstract（参考訳）: 継続的適応には、モデル更新の方法だけでなく、保護された振る舞いの変更に対して、宣言された予算を越えずにアップデートをコミットするかどうかを判断する必要がある。
Certified Anchor-Based Adaptation (CABA) は、候補最適化からの履歴観測を予約し、凍結表現の古いポリシーと候補ポリシーを比較し、最悪の修正前のKL分岐が予算内に残る最大の補間係数を選択する。
有限チェックはアクションラベルも完全な軌跡も必要としない。
我々は、測定されたアンカー保持を条件付きオフアンカー保証から分離する理論に基づく認証フレームワークを開発する。
明示的な表現被覆とリプシッツの仮定の下で、受け入れられた更新は、保護されたサポートに縛られる一様の行動分岐を満たす。
この分析により、アフィンソフトマックスヘッドの正則性境界、確率的カバレッジと圧縮保証、補間単調条件、グリッド解像度境界、軌道レベルおよびシーケンシャルコンポジション保証が提供される。
非定常的なセンサー・ポリシー・プロキシとして使用される制御されたUCI人間活動認識研究において、CABAは、制約のない適応において平均的な忘れを1.01%から0.00%に減らし、最終平均精度を93.04パーセントから88.48パーセントに下げる。
この実験は、保持と塑性のトレードオフを示し、基礎モデルやロボットのパフォーマンスを確立しない。
CABAは、同等のポリシーディストリビューションと宣言された更新パスを公開する候補ジェネレータに対する監査可能な保持チェックを提供する。
関連論文リスト
- FRAUDSkill: Structured Frozen-Weight Skill Optimization for Audio Anti-Fraud Detection [51.835490676337564]
大規模な音声言語モデルは、音声を直接処理し、詐欺関連の証拠を推論することで、反詐欺検出の可能性を示してきた。
既存の微調整とプロンプトベースのアプローチは、通常、タスクの知識、制約、決定ルールをモデルパラメータや手動で保守されたプロンプトにエンコードする。
本稿では,FRAUDSkillを提案する。FRAUDSkillは,プログラムの外部レイヤ,ルート固有のポリシー,決定ルールを最適化しながら,基礎となる音声モデルに変化を持たせる構造的フリーウェイト適応フレームワークである。
論文 参考訳（メタデータ） (2026-09-16T14:51:37Z) - Cross-Fitted Residual Utility for Primary-Preserving Cognitive Decision Correction in Automatic Modulation Classification [1.547549252134621]
本稿では,クロスフィット型残効ユーティリティとプライマリ保存型認知決定ポリシーを用いて,推論後の問題について検討する。
構造化されたkan-Fourier分類器はデフォルトの確率を提供し、ニューラルおよび非ニューラル候補は観測可能な証拠を提供する。
RMLA、RMLB、HISARでは、完全なシステムは全体の精度を63.632%から66.332%、65.161%から66.168%、77.769%から79.867%に改善している。
論文 参考訳（メタデータ） (2026-08-03T11:07:37Z) - SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。
自己検証を計算制御ポリシとして使用することを学ぶ。
マクロ平均精度は0.563で、平均で2.99回しか推測できない。
論文 参考訳（メタデータ） (2026-07-30T16:20:58Z) - Denoised Conformal Alignment for Reliable Selection of Conditional Average Treatment Effect Predictions [10.945117945979566]
ブラックボックスCATE予測器の信頼性の選択について検討する。
疑似アウトカムから2つの堅牢なプロキシエラーを構築する。
定式化コンフォーマルアライメントを提案する。
論文 参考訳（メタデータ） (2026-07-03T10:00:28Z) - Conformal Candidate Certification for Offline Model-Based Optimization [0.6599344783327052]
我々は,emphConformal Candidate Certification (CCC)を提案する。
我々は、各候補者に一方的な下限を付け、その境界が目標を超えるものだけを前進させる。
CCCは、公称0.90で0.990のアグレッシブ・プロポーザル・プールを16.7%で認証し、コシフトを無視する標準のコンフォーマル予測は0.416のカバレッジに崩壊する。
論文 参考訳（メタデータ） (2026-06-13T09:29:18Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳（メタデータ） (2026-03-10T04:07:39Z) - Coverage Guarantees for Pseudo-Calibrated Conformal Prediction under Distribution Shift [1.5861469511290378]
コンフォーマル予測は、データ分散がシフトした場合の限界カバレッジを保証する。
この性能損失に対処するためのツールとして擬似校正を用いた場合の分析を行う。
ハードな擬似ラベルとランダムなラベルを補間するソース調整擬似校正アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-02-16T16:48:39Z) - LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。
我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。
本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
論文 参考訳（メタデータ） (2025-12-01T11:27:09Z) - 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)
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。