論文の概要: CERBO: Certified Recourse at a Requested Rate for Gradient-Boosted Trees
- arxiv url: http://arxiv.org/abs/2611.03222v1
- Date: Mon, 02 Nov 2026 14:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 05:44:11.68877
- Title: CERBO: Certified Recourse at a Requested Rate for Gradient-Boosted Trees
- Title(参考訳): CERBO: 勾配ブーストツリーの要求レートで認定されたリコース
- Abstract要約: Recourse-Aware Learning(Recourse-Aware Learning)は、悪い判断を受けた人が手頃な価格の変更でそれを逆転できるように、モデルを訓練する。
CERBO(Certified Recourse Boosting)は,要求されたリコース率を算出し,認証された動作でGBDTを返す。
- 参考スコア(独自算出の注目度): 6.159508352834952
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recourse-aware learning trains models so that people who receive an adverse decision can reverse it with an affordable change. For gradient-boosted decision trees (GBDTs), the existing method, RABIT, exposes a single recourse weight whose effect on the recourse rate is abrupt and data-dependent, and its training bound cannot certify recourse for any rejected individual. We present Certified Recourse Boosting (CERBO), which takes a requested recourse rate and returns a GBDT with certified actions: it tracks exact additive effort along tree paths, trains against committed boxes (a family of bounds that contains RABIT's and certifies a within-budget action for each training sample) and adjusts the weight after every tree until the certified rate meets the request. A calibration step guarantees the rate on new individuals, and the certifier runs on any tree ensemble, including XGBoost and LightGBM, in milliseconds per person without a solver. In RABIT's own experimental protocol, at equal accuracy, CERBO raises the recourse ratio from 0.90 to 0.99 on FICO and from 0.64 to 0.77 on Bail. Under additive costs on six data sets, it raises the area under the accuracy-recourse frontier in all 12 settings, and in simulated deployments it guarantees recourse to 70% of rejected individuals in 11 of 12 settings, against 2 for RABIT.
- Abstract(参考訳): Recourse-Aware Learning(Recourse-Aware Learning)は、悪い判断を受けた人が手頃な価格の変更でそれを逆転できるように、モデルを訓練する。
グラデーションブースト決定木(GBDT)では、既存のRABITは、リコースレートが突然でデータ依存である単一のリコースウェイトを露出し、そのトレーニング境界は、拒絶された個人に対してリコースを認証することはできない。
本稿では,要求されたリコース率を基準としてGBDTを返却するCERBO(Certified Recourse Boosting, CERBO)を提案する。これは,木道沿いの正確な付加作業を追跡し,コミットボックス(RABITを含む境界線群,各トレーニングサンプルに対する予算内動作を認定する境界線群)に対して,認定レートが要求を満たすまで各ツリーの重量を調整する。
キャリブレーションステップでは、新しい個人に対するレートが保証され、認証者は、XGBoostやLightGBMを含む任意のツリーアンサンブル上で、ソルバなしで1人あたりミリ秒で実行される。
RABIT自身の実験プロトコルでは、CERBOはFICOでは0.90から0.99に、Bailでは0.64から0.77にリコース比を引き上げている。
6つのデータセットに対する追加コストの下で、12設定すべてにおいて精度基準フロンティアの下での領域を上昇させ、シミュレートされたデプロイメントでは、12設定のうち11設定のうち7パーセントが拒否された個人に対して、RABITの2つに対してリコースを保証する。
関連論文リスト
- Turing LLM Post-Training: Calibrated Distillation and Efficient Dynamic-MoE Execution [48.87945011066967]
本研究では, 動的経路混合(MoE)モデルのポストトレーニングについて検討し, コンソリデーション効率を維持しつつ, 独立的に最適化されたスペシャリストの統合に着目した。
提案手法は,教師が選択したTop-$K$サポートと教師の損失正規化とクリッピングを併用した校正型多目的蒸留(C-MOPD)と,ポストキャパシティ境界幅ディスパッチ,終局リプレイ,非同期ロールアウト-トレーニングオーバーラップを用いた実行パスを組み合わせたものである。
論文 参考訳(メタデータ) (2026-10-29T11:52:20Z) - ProbePO: Sparse Probes, Redistributed Credit for Critic-Free LLM Reinforcement Learning [55.716259164434234]
検証可能な報酬からの強化学習は、個々の推論ステップが結果にどのように貢献するかを解明し、すべての推論軌道に1つの終末報酬を割り当てる。
GRPOは、すべてのレスポンストークンに対してグループ正規化された利点をブロードキャストする一方、よりきめ細かいアプローチは、ポリシー更新に使用されるデータを変更可能な、高密度な補助的なロールアウトや分岐スキームに依存することが多い。
限定的なロールアウト予算で、どの部分的なソリューションを評価すべきで、どのように価値を評価すればよいのか。
ProbePOは報酬のない不確実性スコアで部分解法状態を選択し、上限条件下で期待された検証者報酬を推定する
論文 参考訳(メタデータ) (2026-10-17T07:19:05Z) - FSPO: Policy-Consistent Risk and Pareto-Feasible Control for Budgeted LLM RL Post-Training [22.731514214998185]
予算付きLLM RLポストトレーニングのためのフィードバック状態制御系FSPOを紹介する。
ベルマンが将来の決定に使用するのと同じフリーズコントローラを目標とする、ポリシー一貫性のあるリスク・ツー・ゴーモデルを学ぶ。
3組の訓練種子は、保持およびOOD評価の文脈的包帯に対して+2.42と+3.19の利得を与える。
論文 参考訳(メタデータ) (2026-10-02T05:19:54Z) - DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。
直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。
メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
論文 参考訳(メタデータ) (2026-09-23T03:06:01Z) - Stable and Faithful Explanations for Knowledge Tracing [0.0]
本研究では,予測競合性(RQ1),説明安定度(RQ2),再学習ベース忠実度(RQ3)の検証プロトコルを提案する。
ASSISTments 2009と2012の5つの教育テーマにまたがる13の行動特徴が組み込まれている。
論文 参考訳(メタデータ) (2026-09-15T00:40:09Z) - WDL-OPD: Weak-Driven On-Policy Distillation via Mixture-Constrained Co-Training [48.290951447286744]
WDL-OPDは2つの訓練可能なポリシーを持つ混合制約付き協調訓練法である。
アンカーポリシはロールアウト毎に生成し、補助ポリシは同じ訪問状態を評価し、それらのトークン分布の幾何学的混合を逆KLで凍結教師にマッチングする。
凍結はPD$2とW2S-OPDと密接に関連するアンカープラスコントラストのプロキシターゲットを回復させるが,ジョイントトレーニングは静的デルタが表現できない分岐レベル自由度を生成する。
論文 参考訳(メタデータ) (2026-08-10T11:22:53Z) - Post-Hoc Trajectory-Risk Certification for Modular LLM-Based Security Agents [1.4915002678801434]
ボンフェロニ配置は分布自由であるが,相関誤差下では保守的であることを示す。
粗いラベルの選択は、学習された依存なしにほぼ完璧な相関関係を作ることができる。
ステージ単位の証明書とペアの重なり合うバウンドを用いたモジュール証明書は、正の平均利得が0.6%となる。
論文 参考訳(メタデータ) (2026-08-04T23:48:36Z) - Certified Speculative Execution for Untrusted AI Agents [5.864346468963738]
Certificate-Gated Prefix Acceptance (CGPA)は、信頼できないAIエージェントの投機的実行契約である。
デプロイメントスケールの単位コミットインスタンスでは、凍結した8B LLMを2.96x/1エピソードのウォールクロックのスピードアップに2.1%の後悔で変換し、ドメイン(1.79x)と安全なリリーディング・ホライゾンベースライン(1.07x)を上回ります。
論文 参考訳(メタデータ) (2026-06-30T01:45:56Z) - Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback [1.2362187555287152]
ファイナンスにおける予測評価は、ポイント予測エラーに基づく集計精度測定と予測精度テストに依存している。
本稿では,中間決定プロセス自体を評価することによって,精度試験を補完する行動予測評価手法を提案する。
論文 参考訳(メタデータ) (2026-05-07T06:31:34Z) - 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)
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。