要旨：展開方針を変更すると、物理的な遷移メカニズムや予測器はそのままにしたまま、世界モデルの不確実性が無効化される可能性がある。1ステップ先の予測において、源と目標の法則が条件付きメカニズム \(P(Y|X)=Q(Y|X)\) を共有している場合、介入は事前結果の測度変化 \(w(X)=dQ_X/dP_X\) によって特定される。政策制御下の動的系では、この比は状態占有率項と行動傾向項に分解される。重み付けされたコンフォーマル校正は、マージナルなカバレッジを目標法則へと移行させる；推定された比 \(\hat w\) により、\(P_Q\{Y \in C_{\hat w}(X)\} \ge 1-\alpha-TV(Q,\hat Q) \ge 1-\alpha-E_P|w-\hat w|\) が成立する。源領域対目標領域の分類器に対する集団ローグロス・レグレットは、同様の比の誤差を上界付ける。もし \(h\) がそのクリップされた目標事後分布、\(\rho\) が目標領域の事前分布、\(\Delta(h)\) が集団ローグロス・レグレットであるなら、\(E_P|w-\hat w_h| \le (1/(\rho\gamma))\sqrt{\Delta(h)/2}\) が成り立つ。正確な相殺により、一般的なオッズマップによる評価のオーダー \(\gamma^{-2}\) から、\((\rho\gamma)^{-1}\) への依存性が改善される。我々の実験では、公開されたDINO特徴量ベースの世界モデルと、Frankaロボットの物理的軌跡を用いる。最も強力な制御された状態・行動シフト条件下では、通常の90%コンフォーマル集合のカバー率は55.0%であるのに対し、オラクルおよび学習済み比による校正ではそれぞれ91.0%と90.9%となる。学習された代理モデルは、目標法則との全変動量において0.9%以内に収まる。校正は展開時の法則に対して相対的であり、モデル自体は固定されたままでも、校正は介入に応じて変化させることができる。我々はLean 4において、分類器のレグレット議論で用いられる有限サポートの代数的・因果的恒等式、ならびにそのカバレッジ合成ステップを機械検証している。
投稿履歴
論文へのアクセス：
PDFを表示
HTML（実験的）
TeXソース
追加機能
音声要約
現在の閲覧コンテキスト：
参考文献・引用
Google Scholar
Semantic Scholar
ブックマーク
機関
arXivLabsは、共同作業者が当社のウェブサイト上で新しいarXiv機能を直接開発・共有できるフレームワークです。
arXivLabsを利用する個人および組織は、オープン性、コミュニティ、卓越性、そしてユーザーデータのプライバシーという当社の価値観を積極的に受け入れ、尊重しています。arXivはこれらの価値観に固くコミットしており、それらを遵守するパートナーのみと協力しています。
arXivのコミュニティに価値をもたらすプロジェクトのアイデアをお持ちですか？arXivLabsについて詳しくご覧ください。