論文の概要: Source-balanced Capped Fisher: Bounded Evidence Aggregation for User Inference in Language Models

• arxiv url: http://arxiv.org/abs/2611.07228v1
• Date: Wed, 04 Nov 2026 23:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.468164
• Title: Source-balanced Capped Fisher: Bounded Evidence Aggregation for User Inference in Language Models
• Title（参考訳）: ソースバランスの取れた漁獲量:言語モデルにおけるユーザ推論のための境界エビデンスアグリゲーション
• Abstract要約: ユーザ推論は、監査人がそのソースから新鮮なドキュメントだけを観察しても、ソースがコントリビュートした文書が言語モデル更新に反映されるかどうかを問う。 本研究では,文書のスコアがいかに異常であるかを評価するために,既知の非参加型情報源を用いたアグリゲーション手法である,ソースバランスの取れたFisher(SCF)を提案する。 SCFは結果の基準テール周波数を負のログエビデンスに変換し、個々のコントリビューションをカプセル化し、各ソースでそれらを平均化する。
• 参考スコア（独自算出の注目度）: 12.558508612749323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: User inference asks whether a source contributed documents to a language-model update, even when the auditor observes only fresh documents from that source. Document-level scores can provide evidence of participation, but combining this evidence is challenging: documents differ in baseline predictability and in how strongly they reflect information learned from other documents of the same source. We propose source-balanced capped Fisher (SCF), an aggregation method that uses known nonparticipating sources to assess how unusual each document score is. It transforms the resulting reference-tail frequencies into negative-log evidence, caps individual contributions, and averages them within each source. This limits the influence of isolated extreme scores while retaining evidence across multiple documents. We complete the inference procedure with a decision rule that tests source participation using a p-value calibrated against a separate set of known nonparticipating sources. The rule provides finite-sample Type-I error control under source exchangeability. Experiments across four real-world datasets show that SCF achieves the highest AUROC among the evaluated aggregation methods in four domains. With the calibration-based decision rule, SCF delivers consistently competitive detection power across the tested settings, achieving the highest power in many cases, while empirical false-positive rates remain generally close to or below the nominal levels.
• Abstract（参考訳）: ユーザ推論は、監査人がそのソースから新鮮なドキュメントだけを観察しても、ソースがコントリビュートした文書が言語モデル更新に反映されるかどうかを問う。 ドキュメントレベルスコアは参加の証拠となるが、この証拠を組み合わせることは難しい: ドキュメントはベースラインの予測可能性や、同じソースの他のドキュメントから学んだ情報をいかに強く反映するかが異なる。 本研究では,文書のスコアがいかに異常であるかを評価するために,既知の非参加型情報源を用いたアグリゲーション手法である,ソースバランス付き捕集型フィッシャー (SCF) を提案する。 結果の基準テール周波数を負のログエビデンスに変換し、個々のコントリビューションをカプセル化し、各ソース内でそれらを平均化する。 これは、複数の文書にまたがる証拠を維持しながら、孤立した極端なスコアの影響を制限する。 我々は、既知の非参加ソースの別セットに対して校正されたp値を用いて、ソース参加をテストする決定ルールで推論手順を完成させる。 このルールは、ソース交換性の下で有限サンプルのType-Iエラー制御を提供する。 4つの実世界のデータセットを対象とした実験により、SCFは4つの領域で評価されたアグリゲーション手法の中で最も高いAUROCを達成することが示された。 キャリブレーションに基づく決定規則では、SCFはテストされた設定全体にわたって一貫して競争力のある検出能力を提供し、多くの場合、最も高い出力を達成している。

関連論文リスト

• Decomposed Entailment for Factuality Checking and Hallucination Detection [0.3602004729891047]
  HallDetectは、幻覚検出のための軽量で、参照不要で、ブラックボックスのフレームワークである。 生成されたコンテンツは原子クレームに分解され、コンパクトエンコーダベースのエンテーメントモデルによって検証される。 制御されたプロトコルでは、すべてのメソッドは同じ4ビットの量子化バックボーンとコンシューマグレードのハードウェア予算を共有している。
  論文  参考訳（メタデータ） (2026-08-06T09:52:09Z)
• MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering [73.47440561592556]
  トレーニング不要な属性生成手法であるMultAttnAttribを紹介する。 MultAttnAttribは、様々な属性生成方法よりも一貫して優れていることを示す。 提案手法は直接推論遅延の最大7分の1の属性を生成する。
  論文  参考訳（メタデータ） (2026-07-01T19:29:19Z)
• Faithful by Construction: Claim-Anchored Attribution for Multi-Document Summarization [1.1168121941015015]
  Claim-Anchored Multi-Docment Summarization framework (CAMS) Claim-Anchored Multi-Docment Summarization framework (CAMS)
  論文  参考訳（メタデータ） (2026-06-22T22:39:08Z)
• RW-Post: Auditable Evidence-Grounded Multimodal Fact-Checking in the Wild [9.55806677152407]
  RW-Postは、実世界のマルチモーダルなファクトチェックのための、ポストアラインなtextbftext-imageベンチマークである。 RW-Postは、クローズドブック、エビデンスバウンド、オープンウェブレジーム間の制御評価をサポートする。
  論文  参考訳（メタデータ） (2026-05-11T11:04:04Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)
• Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents [64.43980129731587]
  因果診断・矯正法(CDC)という因果推論時間脱バイアス法を提案する。 CDCはまず、パープレキシティのバイアス効果を診断し、その後、全体の関連スコアからバイアス効果を分離する。 3つの領域にまたがる実験結果から, より優れた脱バイアス効果が示された。
  論文  参考訳（メタデータ） (2025-03-11T17:59:00Z)

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。