論文の概要: Capacity-Constrained Delayed Feedback for Online Conformal Risk Control
- arxiv url: http://arxiv.org/abs/2611.17059v1
- Date: Thu, 12 Nov 2026 16:37:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.55364
- Title: Capacity-Constrained Delayed Feedback for Online Conformal Risk Control
- Title(参考訳): オンラインコンフォーマルリスク制御のための容量制約遅延フィードバック
- Abstract要約: オンライン共形リスク制御(OCRC)は、モデル出力を長期的リスク保証付き予測セットに変換することにより、機械学習における確実な不確実性定量化を可能にする。
実際には、フィードバックが遅れる可能性があるし、限られたリソースが保留中の予測の追跡を妨げ、いくつかのフィードバックが失われる可能性がある。
我々は、限られたトラッキングフィードバック能力の割り当て方法と予測セットの構築方法を共同で決定する、キャパシティ対応OCRC(CA-OCRC)を開発する。
医療画像、自然言語処理、コンピュータビジョン、無線通信の実験は、既存のOCRCメカニズムと比較してCA-OCRCの有効性を示している。
- 参考スコア(独自算出の注目度): 43.86252724380327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online conformal risk control (OCRC) enables reliable uncertainty quantification in machine learning by converting model outputs into prediction sets with long-term risk guarantees. These guarantees, however, hinge on the assumption that the loss of each round is revealed immediately and losslessly. In practice, feedback may be delayed, and limited resources may prevent tracking all pending predictions, causing some feedback to be lost. To address this challenge, we develop capacity-aware OCRC (CA-OCRC), a framework that jointly determines how to allocate limited tracking feedback capacity and how to construct prediction sets. CA-OCRC is based on a randomized tracking policy that samples a proxy delay to decide whether, and for how long, feedback for the current round is tracked. CA-OCRC updates the prediction sets via inverse probability weighting, compensating for the possibility of feedback lost due to delays and limited tracking capacity. We analyze risk bounds for both arbitrary and stochastic delays, revealing a trade-off between receiving more feedback and avoiding capacity saturation. Building on these bounds, we optimize the proxy delay distribution, showing scaling laws for the tracking capacity that ensure the same long-term risk as OCRC with unlimited feedback. Experiments on medical imaging, natural language processing, computer vision, and wireless communications show the effectiveness of CA-OCRC as compared to existing OCRC mechanisms.
- Abstract(参考訳): オンライン共形リスク制御(OCRC)は、モデル出力を長期的リスク保証付き予測セットに変換することにより、機械学習における確実な不確実性定量化を可能にする。
しかし、これらの保証は、各ラウンドの損失が即座に損失なく明らかになるという仮定に基づいている。
実際には、フィードバックが遅れる可能性があるし、限られたリソースが保留中の予測の追跡を妨げ、いくつかのフィードバックが失われる可能性がある。
この課題に対処するために、限られたトラッキングフィードバック能力の割り当て方法と予測セットの構築方法を共同で決定する、容量対応OCRC(CA-OCRC)を開発する。
CA-OCRCはランダムなトラッキングポリシに基づいており、プロキシ遅延をサンプリングして、現在のラウンドに対するフィードバックが追跡されるかどうかを判断する。
CA-OCRCは、予測セットを逆確率重み付けによって更新し、遅延と追跡能力の制限によるフィードバックの損失の可能性を補償する。
我々は、任意の遅延と確率的遅延の両方のリスク境界を分析し、より多くのフィードバックを受け取ることとキャパシティ飽和を避けることの間のトレードオフを明らかにする。
これらの境界に基づいてプロキシ遅延分布を最適化し,OCRCと同じ長期的リスクを無限のフィードバックで保証するトラッキングキャパシティのスケーリング法則を示す。
医療画像、自然言語処理、コンピュータビジョン、無線通信の実験は、既存のOCRCメカニズムと比較してCA-OCRCの有効性を示している。
関連論文リスト
- Risk-Aware Online Conformal State Probing [65.02200443982082]
オンライン整合状態探索(オンライン整合状態探索、OCSP)は、分布仮定に頼ることなく最悪のケースの信頼性レベルを認定する行動・探索政策である。
OCSPは、リトレーニングや微調整を必要とせずに、既存のバリューベースのコントロールポリシーに適用することができる。
論文 参考訳(メタデータ) (2026-09-22T08:55:09Z) - TRACE-CRC: Trajectory-Adaptive Conformal Risk Control for Multi-Step Channel State Information Prediction [2.0476421188414275]
共形リスク制御(TRACE-CRC)を用いた軌道適応キャリブレーションと誤差プロファイリングを提案する。
TRACE-CRCは予測されたCSI行列の周りにフロベニウス-ノームの不確実性球を構築し、少なくとも1つの将来のフレームが発見されるリスクを制御する。
実験的に、TRACE-CRCは、保守的な多段階補正よりもかなり小さな不確実性球による信頼性の高い軌道レベルのカバレッジを実現する。
論文 参考訳(メタデータ) (2026-08-27T13:39:00Z) - Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳(メタデータ) (2026-07-29T05:16:59Z) - Capacity-Constrained Online Convex Optimization with Delayed Feedback [58.59385794080679]
容量制約下での遅延オンライン凸最適化(OCO)について検討した。
1次フィードバックの場合、容量$C = (log T)$ sufficesで標準遅延OCOレートを対数係数まで回復できることがわかった。
包帯フィードバックの場合、後悔率は$(1 + _textmax/C)$で変調される。
論文 参考訳(メタデータ) (2026-06-10T06:37:06Z) - Prediction-Powered Risk Monitoring of Deployed Models for Detecting Harmful Distribution Shifts [51.37000123503367]
予測駆動型リスクモニタリング(PPRM)を提案する。
PPRMは、合成ラベルを真のラベルの小さなセットと組み合わせることで、ランニングリスクの任意の有意な下界を構築する。
本稿では,画像分類,大規模言語モデル(LLM),通信監視タスクの広範な実験を通じて,PPRMの有効性を実証する。
論文 参考訳(メタデータ) (2026-02-02T15:32:14Z) - Conformal Prediction in The Loop: A Feedback-Based Uncertainty Model for Trajectory Optimization [3.761729592527251]
コンフォーマル予測(CP)は、カバレッジ保証を備えた不確実性セットを構築するための強力な統計機械学習ツールである。
本稿では,リスク制約を伴ってThorizonを縮小する新しいフィードバックベースCP(Fb-CP)フレームワークを提案する。
論文 参考訳(メタデータ) (2025-10-18T07:11:23Z) - Communication-aware Wide-Area Damping Control using Risk-Constrained Reinforcement Learning [5.743206380715843]
非理想的な通信リンク、特に遅延は、電力系統の高速ネットワーク制御に重大な影響を及ぼす。
伝統的に、このサイバー物理結合に対処するために遅延推定と補償アプローチが採用されている。
本稿では,通信遅延をターゲットとしたリスク制約付きフレームワークを提案する。
論文 参考訳(メタデータ) (2025-09-28T03:51:11Z) - Risk-Calibrated Bayesian Streaming Intrusion Detection with SRE-Aligned Decisions [0.0]
本稿では,ベイジアンオンライン変更点検出とサイト信頼性工学(SRE)の誤差予算に整合した決定しきい値とを結合したストリーミング侵入検出に対するリスク校正手法を提案する。
我々は、ハザードモデル、共役更新、およびイベントごとのO(1)実装について詳述する。
具体的なSREの例は、99.9%の可用性SLO(月43.2分毎のエラー予算)が、ミスインシデントが偽アラームよりも10倍高い場合、0.91に近い確率閾値を得ることを示している。
論文 参考訳(メタデータ) (2025-09-17T17:36:08Z) - Cross-Validation Conformal Risk Control [40.2365781482563]
コンフォーマルリスク制御(CRC)は、従来の点予測器にポストホックを適用してキャリブレーションを保証する手法である。
本稿では,従来のCRCの検証ではなく,クロスバリデーションに基づく新しいCRC手法を提案する。
CV-CRCは、設定された予測子の平均リスクに関する理論的保証を提供する。
論文 参考訳(メタデータ) (2024-01-22T14:26:02Z) - Forking Uncertainties: Reliable Prediction and Model Predictive Control
with Sequence Models via Conformal Risk Control [40.918012779935246]
本稿では,事前設計した確率予測器が生成した予測に基づいて,信頼性の高いエラーバーを生成する,新しいポストホックキャリブレーション手法を提案する。
最先端技術とは異なり、PTS-CRCはカバレッジ以上の信頼性定義を満たすことができる。
PTS-CRC予測と制御の性能を,無線ネットワークの文脈における多くのユースケースの研究により実験的に検証した。
論文 参考訳(メタデータ) (2023-10-16T11:35:41Z)
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。