KNOWLEDGE VAULT — TAG
タグ「不確実性定量化」
収蔵 8件
2026-11-19
拡散モデルを用いたスパース信号復元における理論的保証と効率的な逆問題解決
Diffusion Models are Provably Efficient Priors for Sparse Recovery
出典:arXiv stat.ML (Statistical ML)(Authors: Ivan Lee, Xingyu Xu, Yuejie Chi | 2026-11-18)
- 拡散モデルを「スパース性を促進する事前分布」として利用し、圧縮センシング等の逆問題を解く理論的枠組みを提示。
- 従来の漸近的保証や高コストな計算を克服し、少数の線形観測から多項式時間で準最適サンプル複雑度での復元を証明。
- 拡散モデルが正確なBernoulli-Gaussian事前分布を捉えている場合、ノイズ除去を伴う事後分布サンプリングでTVノルム保証を確立。
2026-11-19
単一データセットからの「単一文化(Monoculture)」回避:複製可能性に基づくロバスト学習の理論
Monoculture Robust Learning
出典:arXiv cs.LG (Machine Learning)(Authors: Lee Cohen, Jon Kleinberg, Omer Reingold | 2026-11-18)
- 同一の学習データを用いるモデル群が共通の入力で一斉に失敗する「アルゴリズムの単一文化」問題を理論的に定義。
- 「複製可能性(Replicability)」と結びつけることで、単一データから$k$個の独立したエラー特性を持つ仮説を生成する手法を提示。
- モデルの汎化性能を評価する際、単一の精度だけでなく、複数のモデルが「同時に失敗しないこと」を保証する枠組みとして有効。
2026-11-19
人間とAIの協調における「メタ認知的キャリブレーション」による真の貢献度評価理論
Knowing What You Know: A Trait Theory of Reviewer Value in Human-AI Cognitive Systems
出典:arXiv cs.LG (Machine Learning)(Authors: Priyanka Sinha, Sugam Pandey | 2026-11-18)
- 人間とAIが協調する意思決定システムにおいて、人間の付加価値を決定するのは「メタ認知的キャリブレーション(自信と正解率の一致)」であると定義。
- 単なる活動量や合意率、熟練度ではなく、自信の正確性を指標とすることで、過信する初心者と真の専門家を正確に識別可能にする。
- AIの自己知識と人間のキャリブレーションを同一の構造として捉え、各項目ごとに「よりキャリブレーション精度の高いエージェント」に委ねる動的推論を可能にする。
2026-11-19
AnyS1:エージェントの意思決定を高速化する汎用的なSystem-1推論フレームワーク
Thinking Fast, Anywhere: One System-1 for the Decision Points of Any Agent Workflow
出典:Hugging Face Daily Papers(Upvotes: 0 | arXiv:2611.23751)
- LLMエージェントの全工程で巨大モデル(System-2)を呼び出すコストと遅延を削減する「AnyS1」の提案。
- ワークフロー固有のフックを個別に書く代わりに、既存のスキルから「選択可能な決定点」を自動抽出し、共通の軽量モデル(System-1)で処理する。
- 未知のベンチマークにおいて、信頼度が閾値を下回る場合のみSystem-2へフォールバックすることで、コストを最大91%削減しつつ精度を維持する。
2026-11-17
因果推論における「事実と反事実」の同時学習によるPFNの精度向上と不確実性評価
Joint Learning of Factual and Counterfactual Worlds for Causal Prior-data Fitted Networks
出典:arXiv cs.LG (Machine Learning)(Authors: Furkan Danisman, Luke Zhang, Zhijing Jin et al. | 2026-11-15)
- 因果効果推定において、事実(Factual)と反事実(Counterfactual)の同時分布を学習する新しいPFN(Prior-data fitted Networks)の枠組みを提案。
- 既存の因果PFNが抱えていた「各ユニットの単一世界への依存」を打破し、両世界間の相関を保持することで、点推定および不確実性評価の精度を大幅に向上。
- 合成データから実世界への転移を前提とした設定において、特に個別の処置効果(ITE)の密度推定や平均処置効果(ATE)の不確実性を含む推定に威力を発揮する。
2026-11-08
時間依存PDEの不確実性推定:コンフォマル予測の理論的限界と実用的な改善策
Conformal Prediction for Time-Dependent PDEs
出典:arXiv 2026: Tabular & Time-Series ML(Authors: Joshua Stiller, Annika Schneider, Eyke Hüllermeier | 2026-11-05)
- 本研究は、時間依存偏微分方程式(PDE)を近似するモデルにおける不確実性推定手法であるコンフォマル予測の理論的な限界を明らかにしました。
- 時間依存性の強い問題において、コンフォマル予測のカバー率保証が崩れる原因を、関数空間における確率分布の相互の特異性、および離散化における総変動距離の飽和という観点から分析しました。
- 特定の条件下では、重み付きコンフォマル予測を用いることで、時間軸に沿ったカバー率保証を実現できることを示しました。
2026-11-08
三角形輸送(Triangular Transport)への親しみやすい導入
A friendly introduction to triangular transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Maximilian Ramgraber, Daniel Sharp, Mathieu Le Provost et al. | 2025-03-27)
- 複雑なシステムにおける不確実性の表現を、単純で既知の分布からの変換として近似する「三角形輸送マップ」を提案。
- 三角形輸送の特有の構造により、数学的・計算的な利便性が保証され、実用的な問題解決に適している。
- 密度推定、生成モデリング、ベイズ推論、データ同化、最適実験設計など幅広いタスクへの応用が可能。
2026-11-08
時系列信号予測のための投影非線形状態空間モデル
A projected nonlinear state-space model for forecasting time series signals
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Christian Donner, Anuj Mishra, Hideaki Shimazaki | 2023-11-22)
- ノイズの多い少数のサンプルから非線形動態を効率的に学習・予測する高速アルゴリズムを提案。
- 潜在的な動態における非線形性を捉えるため、投影された線に対してカーネル関数を適用する手法を採用。
- 複雑な非線形動態の学習において、計算効率を維持しながら不確実性の推定を可能にする。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。