SurvHTE-Bench: A Benchmark for Heterogeneous Treatment Effect Estimation in Survival Analysis
右検閲された生存データにおける異質的治療効果（HTE）推定のための包括的なベンチマーク「SurvHTE-Bench」を提案し、合成データから実世界の臨床試験データまで多様な条件下で既存手法を厳密に比較評価する枠組みを提供する。
📊 Category
stat.ML
335 件の論文
Sample-Optimal Locally Private Hypothesis Selection and the Provable Benefits of Interactivity
この論文は、局所差分プライバシー制約下での仮説選択問題において、相互作用をわずかに用いることで非相互作用アルゴリズムのサンプル複雑性の下限を破り、 分布クラスに対して最適なサンプル数 を達成するアルゴリズムを提案し、その証明に「クリティカルクエリ」という新たな概念を導入したことを示しています。
List Sample Compression and Uniform Convergence
本論文は、リスト学習の文脈において一様収束が学習可能性と同等であることを示す一方で、サンプル圧縮の完全性が成り立たないことを証明し、リトルストーンとウォームースのサンプル圧縮予想を反証する結果を導き出しています。
Tracking solutions of time-varying variational inequalities
この論文は、時間変化する変分不等式の解を追跡する手法を、非単調な関数や非部分線形な解経路を持つ周期的なケースに拡張し、離散力学系の収束挙動やカオス的振る舞いに関する理論的解析と実験的検証を提供するものである。
AuToMATo: An Out-Of-The-Box Persistence-Based Clustering Algorithm
トポロジカルデータ解析の Mapper 法などへの応用を念頭に、永続的ホモロジーに基づきパラメータ調整不要で動作する新規クラスタリングアルゴリズム「AuToMATo」を提案し、その優れた性能と scikit-learn 互換の Python 実装を公開した。
Low-Rank Contextual Reinforcement Learning from Heterogeneous Human Feedback
本論文は、多様な人間のフィードバックの異質性と分布シフトに対処し、計算効率を維持しながら大規模言語モデルの個人化 RLHF を実現するために、低ランク構造を活用した「LoCo-RLHF」フレームワークと、その理論的保証および実験的有効性を提案するものである。
DCENWCNet: A Deep CNN Ensemble Network for White Blood Cell Classification with LIME-Based Explainability
この論文は、異なるドロップアウトおよび最大プーリング設定を持つ 3 つの CNN アーキテクチャを統合したアンサンブルモデル「DCENWCNet」を提案し、Rabin-WBC データセットにおいて既存の最先端モデルを上回る性能を発揮するとともに、LIME による解釈性を確保することで自動診断への信頼性を高めたことを示しています。
Scalable physics-informed deep generative model for solving forward and inverse stochastic differential equations
本研究は、高次元の確率空間および空間空間を有する確率微分方程式の順問題および逆問題を効率的に解くために、基底関数と係数を学習する物理情報ベースのネットワークと、その係数の分布を学習する物理情報深層生成モデルを組み合わせた拡張可能な物理情報深層生成モデル（sPI-GeM）を提案し、その精度と拡張性を数値実験で実証したものである。
Optimal Best-Arm Identification under Fixed Confidence with Multiple Optima
この論文は、最適腕の数が既知である確率的マルチアームバンディット問題において、既存の理論的限界を厳密に上回る新たな情報理論的下界を導出し、追跡・停止（Track-and-Stop）アルゴリズムを修正することでその下界に一致する漸近的な最適性を証明するものである。
Convergence, Sticking and Escape: Stochastic Dynamics Near Critical Points in SGD
本論文は、一次元関数における確率的勾配降下法（SGD）の収束性、極大点近傍での滞留、および極小点への脱出ダイナミクスを、ノイズの分散特性と関数の幾何学的形状の観点から解析し、これらの遷移メカニズムを明らかにするものである。
A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
糖尿病リスク予測において、標準的な手法では見逃されがちな分布の尾部（極端な患者層）における特徴量の関連性を捉えるため、Gumbel コピュラに基づく上側尾部一致スコアを用いた効率的な教師ありフィルタ法を提案し、大規模公衆衛生データおよび臨床データにおけるその有効性と解釈可能性を実証しました。
Boosting In-Context Learning in LLMs Through the Lens of Classical Supervised Learning
この論文は、従来の補正手法では不十分な LLM の推論バイアスに対処するため、文脈内の例のみを用いてロジット空間における最適アフィン変換を学習し、決定境界の向きを柔軟に調整可能な「Supervised Calibration（SC）」という新しい枠組みを提案し、複数のモデルとデータセットで最先端の性能を達成したことを報告しています。
Honesty in Causal Forests: When It Helps and When It Hurts
この論文は、過学習を防ぐために標準的に用いられる因果フォレストの「誠実な推定（honest estimation）」が、実際には異質性の検出を制限して過小適合を招き、個人レベルの推定精度を低下させる可能性があることを示し、その使用を盲目的ではなく目的と実証評価に基づいて判断すべきだと主張しています。
Federated ADMM from Bayesian Duality
この論文は、変分ベイズの双対性構造に基づいてフェデレーテッド ADMM を一般化する新たなベイズ的アプローチを提案し、等方性ガウス族からニュートン型や Adam 型のような新しい更新則を導出することで、特に深層学習の非均質なケースにおいて精度向上を実現することを示しています。
Finite-Dimensional Gaussian Approximation for Deep Neural Networks: Universality in Random Weights
この論文は、リプシッツ連続な活性化関数を持つ深層ニューラルネットワークにおいて、層の幅が任意の相対速度で無限大に増加する場合でも、有限次元分布がガウス分布に収束する誤差 bound をワッサーシュタイン距離で導出し、特に層幅が共通スケールに比例する場合には収束率を明示することを示しています。
Best-of- -- Asymptotic Performance of Test-Time LLM Ensembling
本論文は、無限回の試行を想定した「ベスト・オブ・インフィニティ」の理論的限界を分析し、回答の合意に基づいて推論コストを動的に調整する適応的生成手法と、複数の LLM を混合整数線形計画で最適化して重み付けする手法を提案し、その有効性を実験で実証しています。
Learning in an Echo Chamber: Online Learning with Replay Adversary
本論文は、自己注釈データによる学習が誤りを増幅する「エコーチェンバー」現象をモデル化した「リプレイ敵対者」環境におけるオンライン学習を定式化し、学習可能性を決定する新たな指標「拡張閾値次元」を導入して、その上限・下限が一致することを証明するとともに、従来の学習設定との本質的な難易度差を明らかにする。
Buzz, Choose, Forget: A Meta-Bandit Framework for Bee-Like Decision Making
この論文は、ハチの限られた記憶（約 7 試行の時間窓）を考慮したマルチアームバンディットに基づく逐次模倣学習モデル「MAYA」を提案し、実データやシミュレーションを通じてハチの採餌行動を高精度に予測・解釈可能にするとともに、将来的な生態学的応用への展望を示しています。
Implicit Bias of Per-sample Adam on Separable Data: Departure from the Full-batch Regime
本論文は、線形分離可能なデータに対するログistic回帰において、サンプルごとの Adam（インクリメンタル Adam）の暗黙的バイアスがバッチサイズやデータセットに依存して 最大マージン解などへ変化する一方、Signum はバッチサイズに関わらず 最大マージン解に収束することを示し、Adam のバイアスがバッチ処理方式とデータに強く依存することを明らかにしている。
Implicit Bias of the JKO Scheme
本論文は、Wasserstein 勾配流の時間離散化手法である JKO 法が、ステップサイズの 2 次項において、元のエネルギー汎関数からその計量曲率の二乗を倍した項を減じた修正されたエネルギーに対する勾配流として近似されることを示し、この「暗黙のバイアス」がエントロピーや KL ダイバージェンスなどの具体的な汎関数においてフィッシャー情報量や運動エネルギーに対応することを明らかにしています。