論文の概要: Beyond Accuracy: Information-Theoretic Decoder Evaluation Under Latent Intent
- arxiv url: http://arxiv.org/abs/2611.05658v1
- Date: Tue, 03 Nov 2026 21:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.856114
- Title: Beyond Accuracy: Information-Theoretic Decoder Evaluation Under Latent Intent
- Title（参考訳）: 正確性を超えた情報理論デコーダの評価
- Abstract要約: 脳とロボットの制御を部分的に観察可能なマルコフ決定過程(POMDP)として定式化する
我々は、任意の混乱行列から$O(K2)$時間で計算できる閉形式後悔予測器$U_mathrmid(C)$を導出する。
2つの領域にまたがって、$U_mathrmid$は、正確な説明以上の累積的な計画上の後悔を予測する。
- 参考スコア（独自算出の注目度）: 13.54301891984077
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A central challenge in assistive brain-to-robot control is decoding a user's latent intent from complex and noisy brain signals. Prior approaches evaluate decoders as single-trial classifiers with accuracy-based metrics, but this neglects the inherently sequential nature of assistive control. Since a planner must integrate intermittent, noisy decoder outputs over time, single-step accuracy can only be a proxy when predicting downstream task performance. We formalize brain-to-robot control as a partially observable Markov decision process (POMDP), and prove that there is a sharp phase transition: regret is uniformly bounded across the horizon as long as pairs of goals are all decoder-distinguishable, but grows linearly otherwise. We show that a single channel statistic, the worst-pair Chernoff information $Γ_{\min}$ sets this boundary. Then, we derive a closed-form regret predictor $U_{\mathrm{id}}(C)$, that can be computed from any confusion matrix in $O(K^2)$ time. Across two domains spanning orthogonal information channels, we show that $U_{\mathrm{id}}$ predicts cumulative planning regret beyond what accuracy can explain. We then highlight a pathological accuracy trap, in which two decoders have identical validation accuracy 35.1% on real EEG data (BNCI2014001 subject 5) but result in a difference of $9.6\times$ in held-out regret, which $U_{\mathrm{id}}$ predicts. Same-signal control confirms $U_{\mathrm{id}}$'s advantage with decoders that span independent feature channels. Ultimately, our work provides a drop-in diagnostic to evaluate and select sensors and decoders in sequential assistive control.
- Abstract（参考訳）: 補助的脳-ロボット制御における中心的な課題は、ユーザの潜伏意図を複雑でノイズの多い脳信号から切り離すことである。
従来の手法では、デコーダを精度に基づく測定値を持つ単一検定分類器として評価していたが、これは本質的に補助制御のシーケンシャルな性質を無視している。
プランナーは断続的に統合する必要があるため、ノイズの多いデコーダは時間の経過とともに出力する。
我々は脳とロボットの制御を部分的に観測可能なマルコフ決定過程 (POMDP) として定式化し、急激な位相遷移が存在することを証明した。
1つのチャネル統計値、最悪のChernoff情報が、この境界を設定することを示します。
次に、クローズド形式の後悔予測子$U_{\mathrm{id}}(C)$を導出し、任意の混乱行列から$O(K^2)$時間で計算できる。
直交情報チャネルにまたがる2つの領域にまたがって、$U_{\mathrm{id}}$は、正確な説明以上の累積的計画後悔を予測する。
次に、2つのデコーダが実際の脳波データ(BNCI2014001の主題5)に対して35.1%の検証精度を持つが、9.6\times$の持続的後悔と、$U_{\mathrm{id}}$の予測で差が生じるという、病理的精度のトラップを強調した。
独立機能チャネルにまたがるデコーダによる$U_{\mathrm{id}}$のアドバンテージは、同じシグナル制御によって確認される。
最終的に、我々の研究は、逐次補助制御においてセンサーとデコーダを評価し、選択するためのドロップイン診断を提供する。
関連論文リスト
- On the Fundamental Limits of Prefill-Based Decoding Length Prediction [4.653969386987927]
現在のベンチマークでは、予測品質とタスクのハードネスが説明されています。
我々はこの不安定さを自己回帰的復号法の本質に遡る。
固定モデル、データ、サンプリング条件の下では、予測子の広い設計空間が同様の性能に収束する。
論文 参考訳（メタデータ） (2026-10-29T17:36:01Z) - Decoder Model Compatibility Provides Information beyond the Logical Gap under Drifting and Correlated Quantum Noise [6.8312581630717615]
量子誤り訂正デコーダは、個々の測定記録の論理エラーリスクに対する補正と信頼推定の両方を提供する。
物理装置がそのモデルから離れていくと、論理的ギャップのような信頼度尺度が誤校正されることがある。
このミスマッチ自体が有用な情報を提供できることを示す。
論文 参考訳（メタデータ） (2026-09-24T04:33:06Z) - Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors [0.6999740786886536]
低ビット量子化により、小さな推論モデルは安価に展開できるが、思考の連鎖を分解することができる。
中心となるトークンのlog-probabilityは$log p(w_t)+H_t$が間違ったオブザーバブルであることを示します。
本稿では,トークンの不確実性と明示的な繰り返しを混在させるデジェネレーションを意識したアラームスコアを組み合わせた,トレーニング不要な復号制御手法を提案する。
論文 参考訳（メタデータ） (2026-07-13T09:34:36Z) - The verifier side of speculative window decoding: a predictability bracket, a machine-checked blast-radius bound, and a decoder-agnostic recover loop [0.0]
投機的ウィンドウデコーダは、量子エラー閾値デコーダの遅延を隠蔽する。
約90%の精度で1つの予測器を構築しました。
2番目の復号器はデコーダに依存しない:予測検証回収ラッパーと構造現象学である。
論文 参考訳（メタデータ） (2026-07-07T20:07:18Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - Attractor-Keyed Memory [0.0]
物理セレクタは、決定の時点で高次元のシグネチャを生成する。
試行錯誤(ステレオタイプ化)および経路間で線形に独立なシグネチャを繰り返すと、単一の線形デコーダがそれらを任意のペイロードにマップする。
我々は,全誤差分解を導出し,Ising-machineセレクタの構成を与え,合成スペックル・シグナチャシミュレーションで予測されたスケーリングを検証する。
論文 参考訳（メタデータ） (2026-03-17T18:31:40Z) - What Layers When: Learning to Skip Compute in LLMs with Residual Gates [66.23658560048241]
GateSkipは、デコーダのみのLMにおけるトークンワイド層スキップを可能にする残差ストリームゲーティング機構である。
各Attention/MLPブランチは、残ストリームに再入力する前に、ブランチの出力を凝縮するシグモイドリニアゲートを備えている。
論文 参考訳（メタデータ） (2025-10-13T16:31:50Z) - Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。
本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
論文 参考訳（メタデータ） (2024-01-30T11:40:24Z) - Think Twice before Driving: Towards Scalable Decoders for End-to-End
Autonomous Driving [74.28510044056706]
既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。
本研究は,この問題を2つの原則で緩和することを目的としている。
まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。
そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
論文 参考訳（メタデータ） (2023-05-10T15:22:02Z)
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。