推論ヘッドルーム比（IHR）：制約下での推論安定性を診断・制御するためのフレームワーク

arXiv cs.AI / 2026/4/23

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、推論安定性を評価するための無次元診断指標「Inference Headroom Ratio（IHR）」を提案し、有効な推論能力 C と環境が課す不確実性＋制約負荷（U+K）の関係として整理しています。
実験の結果、IHRはリスク指標として機能し、崩壊確率がロジスティック曲線に従い、臨界しきい値 IHR* ≈ 1.19 が推定できたと報告されています。
IHRは環境ノイズ下で推論安定性境界にどれだけ近いかを敏感に示す指標でもあり、分布シフトの状況でも境界接近を捉えられるとされています。
さらに制御変数としての有効性が示されており、IHRを能動的に調整すると崩壊率が79.4%から58.7%へ低下し、300回のモンテカルロ実行でIHR分散が70.4%減少したと報告されています。
まとめとして、IHRは出力性能・ドリフト・不確実性といった通常の指標に加える「システムレベル」の手段として、失敗が顕在化する前に残りの推論余力（inferential margin）を見積もるために役立つ可能性が示されています。

概要: 本稿では、制約付き意思決定システムにおける推論の安定性を特徴づけるための無次元診断量である推論ヘッドルーム比（Inference Headroom Ratio: IHR）について、シミュレーションに基づく評価を提示します。IHRは、運用環境によって課される不確実性と制約負荷の合計 U + K と、システムの有効推論能力 C との関係を形式化し、出力レベルの性能ではなく、推論の安定性境界への接近度を捉えることを目的としています。3つの制御された実験を通じて、IHRが次のように機能することを示します。 (1) 崩壊確率との関係が、推定された臨界閾値 IHR* ≈ 1.19 をもつよく適合したロジスティック曲線に従う、定量化可能なリスク指標、(2) 環境ノイズの下で推論の安定性境界にどれだけ近いかを敏感に示す指標、(3) 実行的に調整可能な制御変数であり、その能動的な制御によってシステムの崩壊率を 79.4% から 58.7% に低減し、さらに 300 回のモンテカルロ実行における IHR の分散を 70.4% 減少させることができる、というものです。これらの結果は、IHRを、分布シフトおよび制約の下で動作するAIシステムにおいて、顕在化した失敗に至る前に残存する推論上の余裕を推定するための、標準的な性能・ドリフト・不確実性指標に対するシステムレベルの見込みある補完として位置づけます。