論文の概要: Auditing Multi-Proxy Explanations of Web User Preferences: Identification Boundaries and Abstention

• arxiv url: http://arxiv.org/abs/2611.04997v1
• Date: Tue, 03 Nov 2026 14:48:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 15:11:01.297273
• Title: Auditing Multi-Proxy Explanations of Web User Preferences: Identification Boundaries and Abstention
• Title（参考訳）: Webユーザ嗜好のマルチプロキシ記述:識別境界と無視
• Abstract要約: 本研究では,特定点の特定,部分的同定,明示的な参照分布に対する棄却を識別する監査フレームワークを開発する。 機能に依存し、任意に署名されたプロキシバイアスの下で、未汚染のプロキシ属性の厳密な多数は、座標的に中央値の遅延属性のサポートと方向を回復する。 我々は,このしきい値のシャープさを応答倍数不明瞭な世界を用いて証明し,シャープなミニマックス誤差と完全互換なターゲットセットを特徴付ける。
• 参考スコア（独自算出の注目度）: 14.578711992979647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web systems infer user preferences from behavior, ratings, text, and LLM-generated profiles, yet explaining a proxy may reveal its measurement process rather than the preference of interest. We develop an audit framework distinguishing point identification, partial identification, and abstention relative to an explicit reference distribution. Under feature-dependent, arbitrarily signed proxy bias, a strict majority of uncontaminated proxy attributions lets the coordinatewise median recover latent-attribution support and direction and, with externally justified positive scales, magnitude. We prove this threshold sharp using response-valid indistinguishable worlds, characterize sharp minimax error and exact compatible-target sets under approximate cleanliness and scale uncertainty, and propagate clean-proxy attribution error. A frozen known-truth benchmark spans two response families, four proxy counts, all contamination counts, three bias strengths, and eleven methods, with a focal comparison confirmed on twenty unseen seeds. Under correct budgets, a direct attribution-tensor audit achieved 100% coverage, 95.40%-97.05% active-driver sign decisions, and no false signs. In a temporally separated Amazon study, median aggregation reduced comparator-relative conditional sign error for all four targets; six of eight prespecified target-metric contrasts had Bonferroni intervals excluding zero. A controlled real-covariate perturbation favored the median on the prespecified focal metric for all four targets. Compatible sets showed that the current proxy configuration rarely licensed strict-sign conclusions. Weak comparator calibration limits the Amazon evidence to fitted-surface alignment rather than latent-preference recovery.
• Abstract（参考訳）: Webシステムは、行動、評価、テキスト、LCM生成プロファイルからユーザの好みを推測するが、プロキシの説明は興味の選好ではなく、その測定プロセスを明らかにする可能性がある。 本研究では,特定点の特定,部分的同定,明示的な参照分布に対する棄却を識別する監査フレームワークを開発する。 特徴依存的かつ任意に署名されたプロキシバイアスの下では、非汚染なプロキシ属性の厳密な多数は、座標的に中央値の潜在属性のサポートと方向を回復し、外部的に正の正のスケール、等級を持つ。 このしきい値のシャープさを、応答正則不連続な世界を用いて証明し、シャープなミニマックス誤差と正確な互換性のあるターゲットセットを近似した清潔さとスケールの不確かさで特徴付け、クリーンなプロキシ帰属誤差を伝播させる。 凍結された既知の真実のベンチマークは、2つの応答族、4つのプロキシ数、全ての汚染数、3つのバイアス強度、11のメソッドにまたがっており、焦点比較は20個の未確認種子で確認されている。 正確な予算の下では、直接帰属テンソル監査は100%のカバレッジ、95.40%-97.05%のアクティブドライバーのサイン決定を達成し、誤った兆候は無かった。 時間的に分離されたAmazonの研究では、中央値アグリゲーションは4つの目標に対してコンパレータ-相対的条件付き符号誤差を減少させ、あらかじめ特定された8つの目標距離のコントラストのうち6つは、0を除くボンフェロニ区間を有していた。 制御された実共変量摂動は、4つの目標に対して予め規定された焦点距離の中央値を好む。 互換性のあるセットは、現在のプロキシ設定が厳密なサインの結論を許されることは滅多にないことを示した。 弱コンパレータキャリブレーションにより、Amazonの証拠は遅延参照リカバリよりも表面のアライメントに制限される。

関連論文リスト

• Cross-Primitive Consistency in Jev [52.97484590293529]
  Jevは、型付きクエリプリミティブを通じて、大きな言語モデル(LLM)による効率的な意思決定を可能にする。 この研究は、クロスプライミティブな一貫性を評価するための4軸ベンチマークであるPrimaConsを紹介している。 冷凍バックボーンに軽量残留ネットワークを付加するCPRC(Cross-Primitive Residual Calibrator)を提案する。
  論文  参考訳（メタデータ） (2026-10-28T10:44:03Z)
• When Judges Agree and Are Wrong: Consistency-Accuracy Dissociation as a Blind Spot for Label-Free Evaluation [5.738283815807151]
  我々は、一貫性が真正性のためのプロキシとして機能しているという暗黙の仮定を、ゼロトラストラベルが利用できない、あるいは入手にコストがかかる場合にテストする。 60%の誤った回答が、高一貫性領域に落ちていることがわかりました。 この現象は, 整合性しきい値tの選択に頑健であることを示す。
  論文  参考訳（メタデータ） (2026-10-15T02:33:30Z)
• MIRTO: a registration-gated, multiverse-tested evaluation protocol for unsupervised anomaly segmentation in brain MRI [0.0]
  選択を明示し,その効果を測定する評価プロトコルであるMIRTOを提案する。 MIRTOは、登録チェックとラベルなしの既知のパワー診断との全ての比較の幾何学をゲートする。 15,552個の補正可能な評価パイプラインをそれぞれ比較し、多重度制御によるペアリングされた対象-ブートストラップ間隔を付加する。
  論文  参考訳（メタデータ） (2026-10-01T17:44:22Z)
• Auditing Bayesian Graph Alignment: Diagnostic Comparisons and Reference Failure [0.0]
  3つのサンプルとスコア,限界,指標,カテゴリー,分類器に基づく診断を比較した。 また, 誤差が967に近づいたにもかかわらず, ほぼゼロに一致しない共通開始鎖も示している。 これらの結果は、有限予算の限界、診断ランク、基準合意を精度の証拠として識別しながら、割当感性監査を支援する。
  論文  参考訳（メタデータ） (2026-09-19T22:19:09Z)
• Dual-Branch Cross-Projection Debiasing through Diffusion-based Disentanglement [66.67463557274358]
  バイアス付きデータセットに基づいてトレーニングされた基礎モデルは、しばしばターゲットラベルと非因果属性の間の急激な相関に依存する。 信頼誘導概念マイニング(CBCM:Confidence-guided Concept Mining)を導入し,属性アノテーションを使わずに信頼性の高いスプリアス属性を同定する。 本稿では,目標と突発的な表現を2つのブランチに分離するプロンプトチューニングフレームワークであるDual-branch Cross-projection Debiasing (DCD)を提案する。
  論文  参考訳（メタデータ） (2026-06-23T05:28:47Z)
• AgentFairBench: Do LLM Agents Discriminate When They Act? [2.3004655342211078]
  AgentFairBenchは、LLMエージェントの動作における人口格差に対する、安価で再現可能なマルチドメインベンチマークである。 これは、雇用、貸与、医療トリアージという、規制対象の3つの領域にまたがっている。 NumPyのみのハーネスは、反ファクト的なフリップ率、平均絶対スコア差(MASD)、アクションレートの相違、ツール起動の相違を計算する。
  論文  参考訳（メタデータ） (2026-06-15T13:50:26Z)
• Beyond Distribution Estimation: Simplex Anchored Structural Inference Towards Universal Semi-Supervised Learning [47.92504362652887]
  半教師付き学習は、ラベル付きデータが不足し、ラベルなしデータが未知の任意の分布に従う現実的なシナリオにおいて重大な課題に直面している。 我々は、Universal Semi-supervised Learning (UniSSL)として、批判的ながら未探索のパラダイムを定式化する。 本稿では,信頼度の高い擬似ラベルを優先するための分布非依存指標に基づく重み付け戦略と,誤用する可能性のある擬似ラベルを分離するための補助分岐を導入する。
  論文  参考訳（メタデータ） (2026-05-08T10:33:09Z)
• Correcting Underrepresentation and Intersectional Bias for Classification [49.1574468325115]
  我々は、表現不足のバイアスによって破損したデータから学習する問題を考察する。 偏りのないデータの少ない場合、グループワイドのドロップアウト率を効率的に推定できることが示される。 本アルゴリズムは,有限VC次元のモデルクラスに対して,効率的な学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-19T18:25:44Z)

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。