arXiv (ML)AI
複数ドメインの情報検索における認定ドメイン一貫性:ラベル不要な汚染制御と形式的リスク保証
Certified Domain Consistency for Multi-Domain Retrieval: Label-Free Per-Domain Contamination Control with Conformal Risk Guarantees
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
複数のドメインが混在したコーパスから情報を検索する際、関連性はあるが異なるドメインからの証拠が返されることは大きな課題です。従来のランキング指標ではこうした問題を見落とし、形式的リスク制御の枠組みでも最も困難なドメインへの対応が不十分でした。本研究で提案されるC3Rは、この問題に対処するための制御層として機能します。クエリ時点でのラベル情報を必要とせず、推論されたドメイン事後分布から各ドメインごとの汚染予算を認定し、実現不可能な場合は黙って違反するのではなく棄却する仕組みになっています。特に困難なドメインに対しては、厳密な境界ではなく削減を保証することが特徴です。
このアプローチの中核は、リスク制御予測集合に基づいた二重分割スキームであり、有限サンプル転移境界が推論されたドメインから真のドメインへと遷移する際、完全に推定可能な緩和を実現します。異なる予算をサポートし、デプロイメントのための逆算にも対応しています。母集団の有効性は、この転移境界と制御されたシミュレーションに基づいており、千回の再サンプリング較正を通じて、提案手法は一度も違反しないという安定性を示す一方で、限界制御は最も汚染されたドメインで毎回違反します。
ソフトな降格は、同じ認定汚染レベルにおいて最も強力なキャリブレーション的カスケードより多くの再呼び出しを保持します。この手法は公開テストベッドを含む様々なベンチマークで再現可能であり、連邦規制に基づいた独立したテストベッドも含まれています。LLM判定による下流プローブでは、不正な権限に基づくグラウンディングが汚染とともに増加し、制御下で減少することが示されました。この制御層は既存のシステムに凍結された状態で組み込み可能であり、リランカーの種類に依存しない設計となっています。