論文の概要: Abstention Spends Its Budget on Local Label Variance More Than on Novelty: Auditing Conformal Calibration and Selective Prediction under Molecular Scaffold Shift

• arxiv url: http://arxiv.org/abs/2611.01512v1
• Date: Sun, 01 Nov 2026 03:44:38 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:19:49.129595
• Title: Abstention Spends Its Budget on Local Label Variance More Than on Novelty: Auditing Conformal Calibration and Selective Prediction under Molecular Scaffold Shift
• Title（参考訳）: 新規性よりも局所的なラベル変動に予算を割く--分子スカフォールドシフトによるコンフォーマルキャリブレーションと選択予測の検証
• Abstract要約: 分割共形キャリブレーションによる選択的予測は、分子特性予測のためのポストホック固定を約束する。 本研究では,Bemis-Murcko足場分割法を用いて,リポフィリシティ(回帰)とBBBP(分類)の勾配型指紋モデルの評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Selective prediction with split conformal calibration promises a post-hoc fix for molecular property prediction: abstain on the least reliable compounds, ideally out-of-distribution chemistry, and the retained set becomes trustworthy without retraining. We audit this recipe for a gradient-boosted fingerprint model on lipophilicity (regression) and BBBP (classification) under a Bemis-Murcko scaffold split, holding the fitted model and evaluation molecules fixed while varying only the calibration fold (18 replicates). (i) On lipophilicity, coverage depends on calibration provenance: calibrating on held-out training-scaffold molecules falls below nominal (PICP 0.841 at a 0.90 target), while novel-scaffold calibration recovers it (0.904); on BBBP, coverage stays above nominal in every regime. (ii) For split conformalized quantile regression (CQR) the conformal correction is a constant, so conformalization does not change what is abstained on. (iii) The abstention score (CQR width; effectively ensemble variance on BBBP) tracks local label variance more than chemical novelty: controlling for local label variance largely explains away the novelty association (partial Spearman 0.067 and 0.047). (iv) At a fixed assay budget, gating on interval width or ensemble variance never improves hit precision over ranking by point prediction, at the pre-specified operating point or across 20 exploratory settings; a plain novelty gate shows small, uncorrected gains at the smallest budgets. (v) In an exploratory analysis, exact conformal selection exceeds its false discovery rate target under training-scaffold calibration (0.303 at q=0.2) and is consistent with it under novel-scaffold calibration, contributing a data-driven batch size rather than a better ranking. Conformalization earns its keep through guarantees whose validity hinges on calibration provenance, not by choosing what to abstain on.
• Abstract（参考訳）: 分割共役キャリブレーションによる選択的な予測は、分子特性予測のための保温後の固定を約束する:最も信頼性の低い化合物を排除し、理想的には分配化学を外し、保持された集合は再訓練せずに信頼できるものとなる。 本研究では, ベミス・ムルッコの足場分割下での脂肪度(回帰)とBBBP(分類)について, キャリブレーション・フォールド(18個の複製)のみを変化させながら, 固定されたモデルと評価分子を保ちながら, 勾配型指紋モデルを用いて評価を行った。 (i)リポフィリティーでは、キャリブレーションの達成度に依拠し、ホールドアウトトレーニング・スカフォールド分子のキャリブレーションは名目以下 (PICP 0.841 at a 0.90 target)、ノベル・スカフォールド・キャリブレーションはそれを回復する (0.904)、BBBPでは各系においてカバーが名目以下である。 (ii) 分割共形量子化回帰 (CQR) に対して、共形補正は定数であるので、共形化は吸収されるものを変えない。 三 BBBPの吸収率(CQR幅、実質的にBBBPのアンサンブル分散)は、ケミカル・ノベルティ以上の局所的なラベルのばらつきをトラックし、局所的なラベルのばらつきを制御することにより、新規性関連を解消する(Partial Spearman 0.067,0.047)。 四 定評価予算において、間隔幅又はアンサンブルのばらつきにより、所定操作点又は20の探索的設定において、点予測による順位よりも精度を向上しない。 (v) 探索的分析において、正確な等式選択は、トレーニング・スキャフォールド・キャリブレーション(0.303 at q=0.2)の下での偽発見率目標を超え、新しいスキャフォールド・キャリブレーションの下では整合し、より良いランキングではなく、データ駆動バッチサイズに寄与する。 コンフォーマル化は、キャリブレーションの証明に影響を及ぼす保証を通じて維持される。

関連論文リスト

• How Much Can Reliability Drift Under a Fixed Confidence Distribution? [14.727396825167917]
  信頼性分布が全く同じである間、分類器の条件精度は変化しうることを示す。 我々は再重み付けを信頼ビン内の学習された有限読み出しに制限する。 探索ラベル置換診断(Exploratory label-permutation diagnosis)は、この統計にほぼゼロの一致をもたらす。
  論文  参考訳（メタデータ） (2026-09-30T04:02:44Z)
• Learning to Adapt and Calibrate: Score Distribution Alignment for Few-Shot Uncertainty Prediction in Medical VLMs [9.993859591441238]
  本研究では,非交換性下でのコンフォーマルな不確実性推定で教師付き少数ショット適応を再現する枠組みを提案する。 AlignCPは、ラベル付きサポートセットとラベルなしクエリセットとのスコアレベルの相違を低減するために、再重み付きキャリブレーション分布を学習する。
  論文  参考訳（メタデータ） (2026-09-09T15:32:01Z)
• Calibration-Preserving Pruning: Compression as a Reliability Contract [6.908972852063454]
  プルーニング規則ではなく、分割された共形予測は、プルーニングモデルが固定されると有限サンプルの限界カバレッジを提供する。 プルーニングは、より小さな有効な予測セットを得るのに十分なスコア幾何学を保てるか? CPP-SparseGPTは15個のデータセット・スパーシティセルにまたがって13個のデータセットを生成し,11。
  論文  参考訳（メタデータ） (2026-08-24T18:31:01Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• Uncertainty-Aware Post-Hoc Calibration: Mitigating Confidently Incorrect Predictions Beyond Calibration Metrics [6.9681910774977815]
  本稿では、校正品質と不確実性を考慮した意思決定を向上させるためのポストホック校正フレームワークを提案する。 校正基準,不確実性認識性能測定,実証的コンフォメーションカバレッジを用いて総合評価を行った。 実験により,提案手法はイソトニックおよび焦点損失ベースラインと比較して,信頼性の低い予測精度と競合予測誤差を実現することが示された。
  論文  参考訳（メタデータ） (2025-10-19T23:55:36Z)
• Calibration Bands for Mean Estimates within the Exponential Dispersion Family [0.0]
  自動校正のためのテストは、最近になって文献でのみ検討されている。 得られたキャリブレーションバンドは、キャリブレーションと自動キャリブレーションのための様々なテストを構築することができることを示す。
  論文  参考訳（メタデータ） (2025-03-24T17:09:19Z)
• Rethinking Early Stopping: Refine, Then Calibrate [49.966899634962374]
  キャリブレーション・リファインメント分解の新規な変分定式化について述べる。 我々は,校正誤差と精錬誤差が訓練中に同時に最小化されないという理論的,実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-01-31T15:03:54Z)
• Calibration by Distribution Matching: Trainable Kernel Calibration Metrics [56.629245030893685]
  カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。 これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。 決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:40Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)

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。