予測パワー付き推論：エキスパート混合（Mixture of Experts）によるアプローチ

arXiv stat.ML / 2026/5/1

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ラベル付きデータが少なく希少である一方で、ラベルなしデータが豊富にある状況を想定し、混合エキスパート（MOE）による半教師あり推論フレームワークを提案している。
予測パワー付き推論（PPI）を基に、エキスパートの選択を分散最小化の観点で行い、個々の予測器の性能が未知でも適応しつつ、それらの予測力を併せて活用できる。
「最良エキスパート保証」を備え、平均推定・線形回帰・分位推定・一般のM推定といった幅広いタスクに柔軟に適用可能である。
非漸近的な理論を構築し、フレームワークが出力する信頼区間のカバレッジ誤差に関する上界を導いている。
数値実験により、提案手法の実用上の有効性が示され、理論におけるカバレッジや誤差の知見とも整合している。