Resumo Técnico: CertBind — Da Conectividade Multimodal à Decisão de Recuperação Certificável

Declaração do Problema

Conectores leves permitem a composição de codificadores multimodais congelados (ex: imagem, texto, áudio, vídeo) ao nível da representação sem a necessidade de reconstruir modelos universais. No entanto, a implantação ao nível de decisão da tarefa introduz uma vulnerabilidade crítica: as rotas de conexão podem expandir o alcance cross-modal enquanto degradam capacidades nativas de recuperação estabelecidas. Sistemas existentes frequentemente falham em distinguir entre conectividade de representação e a preservação de escores de tarefas nativas. Uma rota conectada pode tornar-se internamente consistente, mas alterar a fronteira de decisão de uma tarefa nativa (ex: reduzindo o R@1 de imagem-para-texto do CLIP de 0,524 para 0,290).

O problema central é a falta de uma teoria multiescala de composição certificável para grafos de conectores multimodais congelados. As abordagens atuais não fornecem garantias de que um sistema composto preservará a identificação de tarefas nativas, filtrará conectores corrompidos ou recuperará decisões com incerteza limitada quando ocorrem falhas.

Metodologia: CertBind

O CertBind introduz um framework multiescala que vincula a estrutura do grafo às decisões de recuperação através de quatro escalas distintas: Nó, Aresta, Caminho e Consulta (Query). O sistema opera em um grafo de conectores direcionado $G=(V, E)$, onde os nós contêm codificadores congelados e as arestas são mapas implantados.

1. Escala de Nó: Identificação de Tarefa via Âncoras Nativas

O framework aborda primeiro a ambiguidade de calibre (gauge ambiguity). Um grafo pode ser internamente consistente enquanto seu sistema de coordenadas rotaciona em relação a uma galeria nativa fixa.

• Mecanismo: O CertBind utiliza âncoras nativas (pontos de referência fixos na galeria nativa) para estabelecer um gráfico alvo.
• Teoria: Ele prova que os escores de tarefa são identificáveis se, e somente se, o span das âncoras nativas cobrir o subspace da tarefa (span da consulta ou da galeria).
• Resultado: Se a matriz de âncoras $A$ possui rank total no subspace da tarefa $W$, o resíduo de calibre é resolvido. Caso contrário, existe uma "reflexão" que preserva observações estruturais, mas inverte rankings nativos. Esta escala estabelece a fronteira exata de identificação de tarefa.

2. Escala de Aresta: Triagem de Grafo Consciente de Contratos

Uma vez fixadas as semânticas da tarefa, o sistema filtra as arestas dos conectores para determinar se elas permanecem "suportadas" sob seus contratos de auditoria.

• Mecanismo: As arestas são agrupadas em estratos de contrato baseados em classes de equivalência predefinidas (famílias de codificadores, dimensões, normalização, etc.).
• Controle Estatístico: Dentro de cada estrato, as arestas são avaliadas usando ranks conformais contra escores de controle limpos. O sistema aplica o procedimento de step-down de Holm para controlar a taxa de erro por família (FWER) em todo o grafo.
• Resultado: Arestas suportadas mantêm sua saída direta registrada (Direct). Arestas sinalizadas são enviadas para recuperação. Isso garante que apenas conectores que passem em testes estatísticos rigorosos sejam utilizados sem modificação.

3. Escala de Caminho: Recuperação Consciente de Sobreposição

Arestas sinalizadas disparam um processo de recuperação utilizando rotas alternativas. A robustez desta recuperação depende da incidência de falha compartilhada em vez de simples contagem de rotas.

• Mecanismo: O sistema define um orçamento de caminho $\kappa_{1/2}(P)$, representando o número mínimo de arestas corrompidas necessárias para contaminar a maioria da família de caminhos.
• Recuperação: Utiliza uma mediana de coordenadas das saídas de diversos caminhos (via fallback) combinada com calibragem conformal dividida (split-conformal) em um conjunto de calibração limpo.
• Resultado: Isso gera um raio de recuperação $\rho$ ao redor do alvo limpo. O sistema garante que, se o número de arestas corrompidas estiver abaixo do orçamento, a saída recuperada estará dentro deste raio com alta probabilidade.

4. Escala de Consulta: Decisões Top-k Certificáveis

A escala final converte a representação recuperada em uma decisão.

• Mecanismo: O raio de recuperação induz um conjunto de candidatos cobertos $C_k$.
• Regra de Decisão:
  • Certificado (Certified): Se o tamanho do conjunto coberto $|C_k|$ for igual a $k$ (significando que os $k$ itens superiores estão bem separados do restante pela margem), o sistema retorna uma decisão de ponto.
  • Abster-se (Abstain): Se $|C_k| > k$ (a margem é muito pequena para distinguir o top-$k$), o sistema retorna o conjunto $C_k$ e abstém-se de uma decisão de ponto.
• Resultado: Isso fornece um certificado de ponto para consultas decisivas e incerteza de valor de conjunto para consultas ambíguas.

Principais Contribuições

1. Teoria de Composição Certificável: O artigo separa a conectividade de representação da identificação de tarefa nativa, estabelecendo uma fronteira exata para quando os escores de tarefa são preservados sob âncoras ruidosas.
2. Cadeia de Certificados Multiescala: Desenvolve uma cadeia de evidências do nível de aresta ao nível de consulta, utilizando ranks conformais estratificados e controle de Holm para triagem de arestas, e um orçamento de transversal de caminho majoritário para recuperação. Isso resulta em uma decomposição de erro de ponta a ponta.
3. Regra de Ação Baseada em Preservação: Uma política de três estados mapeia o nível de certificado para ações de implantação:
   • Direto (Direct): Rotas suportadas (sem modificação).
   • Certificado (Certified): Recuperação decisiva (saída de ponto).
   • Abster-se (Abstain): Consultas não resolvidas (saída de valor de conjunto).
4. Objetivo de Design de Grafo: Identifica a diversidade de falha (caminhos disjuntos por aresta) como a métrica crítica para robustez, formalizada via teorema de Menger, em vez de mera contagem de rotas.

Resultados Experimentais

O artigo avalia o framework utilizando checkpoints liberados e protocolos registrados:

• Preservação Nativa: Em uma carga de trabalho nativa de imagem-para-texto do CLIP, uma rota compartilhada (C-MCR) reduziu o R@1 de 0,524 para 0,290, demonstrando a necessidade de verificações de preservação.
• Expansão Cross-Modal: No subconjunto Clotho (texto-para-áudio), o framework alcançou R@1 de 0,168 (C-MCR) e 0,180 (Ex-MCR), mostrando capacidades de expansão.
• Desempenho de Recuperação:
  • O fallback de produção (via-only) recuperou 0,963 ± 0,002 do desempenho de recuperação limpa.
  • O "ramo de passagem" (rotas suportadas) registrou um valor de não-dano (no-harm value) de 1,000, confirmando que rotas suportadas não degradam o desempenho nativo.
  • Um teste de estresse de mediana cega recuperou 0,983–0,989 do desempenho.

Significância e Alegações

O artigo afirma que o CertBind estende a composibilidade multimodal das representações conectadas para decisões de tarefa certificáveis.

• Da Conectividade à Certificabilidade: Enquanto trabalhos anteriores estabeleceram que espaços congelados podem ser conectados, o CertBind fornece a base formal para garantir que essas conexões não corrompam as semânticas de tarefas nativas estabelecidas.
• Garantias ao Nível de Decisão: O framework desloca o foco da precisão agregada para a certificação ao nível de consulta. Ele garante que uma decisão só é tomada quando a evidência (o conjunto de candidatos cobertos) é decisiva.
• Segurança Operacional: Ao distinguir entre "Direto", "Certificado" e "Abster-se", o sistema operacionaliza uma política de prioridade de preservação. Ele garante que a expansão (novas rotas) não ocorra às custas do desempenho nativo, e que as falhas sejam recuperadas com incerteza limitada em vez de produzir saídas arbitrárias.
• Auditabilidade: O sistema registra contratos de auditoria completos, ranks de âncoras e populações de calibração, permit vezendo a escalação governada por humanos para consultas não resolvidas e fornecendo uma base formal para registros de implantação.

Os autores enfatizam que as garantias são indexadas por condições explícitas de implantação (rank de âncora, intercambialidade de contrato, orçamentos de caminho) e que o framework não reconstrói conteúdo omitido, mas certifica se a incerteza da representação preserva uma decisão de recuperação nativa fixa.