YUKTI: From Natural-Language Situations to Robust, Verifiable Decisions An Uncertainty-Typed Proposition IR, Assumption-Robust Pareto Frontiers, and a Regret Certificate

技術要約：YUKTI – 自然言語による状況から、堅牢で検証可能な意思決定へ

1. 問題点：「計算の模倣」の脆弱性
自然言語による意思決定ブリーフを最適化問題へと変換する現在のパイプライン（例：NL4Opt、OptiMUS、OR-LLM-Agent）は、高リスクな環境において致命的な脆弱性を生じさせる3つの重要な制限を抱えている：

1. 単一目的（Single-Objective）： 複雑なトレードオフ（例：リーチ vs コスト vs リスク）を単一の重み付きスカラーに集約してしまい、意思決定者が本来意図しているトレードオフを隠蔽してしまう。
2. 単発的（Single-Shot）： 意思決定を、後の段階が前の段階の結果によって制約を受ける逐次的なプロセスとしてではなく、一度限りのイベントとして扱う。
3. 点値係数（Point-Valued Coefficients）： 言語モデル（LLM）に対し、関係性（例：「腫瘍医はコンテンツに対して好意的な反応を示す」）に関する具体的な数値係数を「捏造」することを要求する。これらの捏造された数値は「事実」として扱われる。特定の推測値においてのみ最適となる計画は、「静かに脆弱（silently fragile）」である。

本論文は、主要なリスクは**「計算の模倣（mimicry of computation）」**にあると主張している。これは、最適化された推奨事項のように見えるテキストを生成しているものの、解決されたモデル、明示された係数、あるいは感度分析の実体（substance）を欠いている状態を指す。これらの計画が実際の資源配分（臨床、財務、公衆衛生）を駆動する場合、その失敗モードは「静かな脆さ」として現れる。

2. 手法：YUKTIフレームワーク
YUKTIは、自動定式化の対象を、単一の点値問題の解決から、意思決定DAG（有向非巡回グラフ）全体にわたる不確実性の管理へとシフトさせる。

• 型定義された命題中間表現（Typed Proposition Intermediate Representation, IR）：
  固定された数値の代わりに、YUKTIは関係性をタプル $p = \langle \phi, \theta, \Theta, \sigma, \pi \rangle$ として表現する：

  • $\phi$: パラメトリックな関数形式。
  • $\theta$: 名目上の係数。
  • $\Theta$: 係数の分布（例：対数正規分布）であり、不確実性を表す。
  • $\sigma$: 定性的な形状事前分布（単調性、曲率）。
  • $\pi$: プロベナンス（由来）タグ（与えられたもの、仮定されたもの、またはベンチマーク）。
    これにより、システムは確定的なデータとLLMによる仮定を区別することが可能になる。

• 構造認識ルーティング（Structure-Aware Routing）：
  求解前に、YKKTIはランダムなペアと補間チェックを用いて、当該ステージの数学的構造（アフィン、凸、または非凸）を調査する。その後、適切なソルバーにルーティングする：

  • アフィン（Affine）： 正確なソルバー（拡張 $\epsilon$-制約法およびHiGHS）。
  • 凸/滑らか（Convex/Smooth）： 非線形計画法（SLSQP）。
  • 非凸/ブラックボックス（Nonconvex/Black-box）： 進化的アルゴリズム（pymoo経由のNSGA-II/NSGA-III）。

• 多段階フロント係手渡し（Multi-Stage Frontier Hand-off）：
  ステージはトポロジカル順序に従って解かれる。単一の点値を次のステージに渡すのではなく、YUKTIは分布的な手渡し（distributional hand-off）（信号値の分位点）を渡す。これにより、ダウンストリームのステージが、アップストリームの決定に伴う不確実性に対して期待値に基づいた実現可能性と価値を評価できるようになり、テールリスクの隠蔽を防ぐ。

• 仮定に頑健なパレートフロント（Assumption-Robust Pareto Frontiers, ARPF）：
  これが核心となる堅牢性メカニズムである。YUKTIは、係数の分布 $\Theta$（構造的な誤設定を含む $\epsilon$-汚染）を $K$ 回再サンプリングする。発見された候補プール内のすべての解について、これらの再サンプリングされた世界において、その解が実現可能かつ非劣であり続ける経験的確率 $\rho(x)$ を計算する。

  • システムは、**堅牢な妥協案（Robust Compromise）**を選択する。すなわち、理想点からの距離を最大化しつつ、$\rho(x) \geq 0.5$（または同様の閾値）を満たす解である。

• SRJANA（ベンチマークにアンカーされた文脈的合成）：
  実データが存在しない場合、SRJANAは文脈的なデータセットを合成する。ウェブからベンチマーク・アンカー（例：業界のクリック率）を抽出し、潜在的な親和性を持つ母集団を定義し、これらのアンカーと効果比に一致するように合成データを較正する。その後、オプティマイザがこれらの合成データに命題を適合させることで、データに裏付けられた誠実な不確実性を継承させる。

• 意思決定のトレーサビリティ（Decision Traceability）：
  出力には、セグメント属性（Segment Attribution）（どの集団セグメントが結果を駆動しているか）およびシャドウプライス分析（Shadow Price Analysis）（どの制約が結合しており、それらを緩和した際の限界価値はいくらか）が含まれ、推奨事項を単なる説得材料ではなく、監査可能なものにする。

3. 主な貢献

• 不確実性型IR： すべての係数が分布とプロベナンスを保持する形式体系であり、「捏造された数値」を定量化された入力へと変容させる。
• ARPFメカニズム： 仮定の不確実性（構造的な誤設定を含む）の下での生存確率に基づいて解をスコアリングする手法。
• 後悔界（Regret Bound）（定理1）： 堅牢性スコア $\rho$ が、意思決定の後悔（regret）の正確な因子であることを示す理論的証明。具体的には、$R(\hat{x}) = (1 - \rho(\hat{x}))\bar{g}(\hat{x})$ である。ここで $R$ は後悔、$\bar{g}$ は選択が最適でない場合の平均損失を表す。これにより、$\rho$ を最大化することが、0-1プール最適性損失における後悔の上限を最小化することを証明している。
• 分布的手渡し： 逐次的なステージ間で不確実性を伝播させるメカニズムであり、「オプティマイザの呪い（optimizer's curse）」、すなわち点値へのコミットメントを回避する。
• 展開姿勢： YUKTIは、標準的なソルバーの記録システムやベンチマークSOTAソルバーとしてではなく、標準的なソルバーの上に位置する意思決定ストレス・テスト層として位置づけられている。

4. 結果と検証
本論文は、3つの異なる観点からフレームワークを検証している：

• 制御された構造的誤設定：
  オプティマイザの加法的サロゲートが捉えきれなかった隠れた負の相互作用（飽和）を持つ、保持された「真の世界」において、ナイーブな点値計画は高い後悔を招いた。一方、ARPFによる堅牢な妥協案は、ナイーブな計画と比較して平均後悔を98%減少させ、テール後悔（CVaR）を92%減少させた。定理1の証明は数値的に検証された。

• 実世界のバックテスト（UCI Bank Marketing）：
  著者らによる生成ではない、41,188件の実在するテレマーケティング決定データを使用。堅牢なルールは、ログに記録された現状よりも34%高いコンバージョン率を、ナイーブな点値ルールよりも4%高く達成した。これにより、「オプティマイザの呪い」（訓練推定値と実現価値のギャップ）を大幅に軽減した。

• 規制された商業展開（腫瘍学）：
  腫瘍学ブランドにおける独占期間終了（loss-of-exclusivity）のシミュレーションシナリオにおいて、YUKTIは法的制約（GDPRの同意、頻度制限）内で最適化した。これは、ダウンサイドリスクをユーロ単位で価格化した堅牢な妥協案を生成し、厳格な規制アクションスペース内で運用できる能力を実証した。

• 限界と境界：
  論文では、アクション間の**長期的な因果的結合（long-range causal coupling）**が存在する場合、前方への多段階手渡しは妥当ではなくなり、後悔が増大し、各ステージの証明が楽観的になることを明記している。これは、形式体系が後退帰納的な因果ポリシーへと移行すべき境界を示している。

5. 意義と主張
論文は、LLMが「定式化者（formulator）」であり、古典的なソルバーが「解決者（solver）」であるという、決定的なギャップをYUKTIが解決することを主張している。

• LLMはソルバーではなく定式化者である： 正しい数値を与えられたとしても、単一目的最適化と組み合わされた大規模推論モデル（LRM）は、YUKTIの堅牢な妥協案と比較して、**約47倍の高い保持された後悔（held-out regret）**を招くことを著者らは示している。
• 説得から監査可能性へ： 本システムは、意思決定支援を「説得的なナラティブ」から「監査可能なトレーサビリティ」へと移行させる。これにより、意思決定者はどの仮定が推奨事項を駆動しているのか、そして自身の仮定が間違っていた場合にその推奨がどれほどの頻度で生き残るのかを正確に把握できる。
• 限定的な範囲： 著者らは、生のソルバー速度やパレートフロントの大きさにおいてベンチマークとしての優位性を主張するものではないことを明示している。貢献は、不確実性型の自動定式化のメソドロジー、ARPFメカニズム、および後悔界を持つ意思決定のトレーサビリティにある。

要約すれば、YUKTIは、高リスクな意思決定においては、推測された数値に基づく単一の「最適」な計画を見つけることではなく、自らの脆弱性を明示的に認識し、後悔の境界を持つ生存確率によって定量化された**「堅牢な妥協案」**を見つけることが目標であると提案している。