arXiv:2603.21160v1 Announce Type: new
Abstract
エピステミック・インテリジェンス（認識論的インテリジェンス）には、機械学習システムが自らの知識の限界を認識し、特に「未知の未知」（unknown unknowns）に直面した場合でも不確実性のもとで安全に行動することが求められます。既存の不確実性定量化手法は、確信度や密度のような単一の信号に依存しているため、多様な構造的異常を検出できません。そこで本研究では、デュアルバックボーンのニューラルネットワークから得られる8つの相補的な信号を組み合わせたマルチシグナル異常検出器「SPECTRE-G2」を提案します。このアーキテクチャには、スペクトル正規化ガウス化エンコーダ、特徴量の幾何（フィーチャー・ジオメトリ）を保持するプレーンなMLP、そして5つのモデルからなるアンサンブルが含まれます。これらにより、密度、幾何、不確実性、識別的（discriminative）、因果（causal）といった信号を生成します。各信号は検証（validation）の統計に基づいて正規化され、合成のOOD（分布外）データでキャリブレーションされます。適応的なtop-kフュージョンが最も有益な信号を選択し、それらのスコアを平均します。合成データ、Adult、CIFAR-10、Gridworldの各データセットでの実験により、多様な異常タイプに対して高い性能が示され、AUROC、AUPR、FPR95において複数のベースラインを上回りました。モデルはシード間で安定しており、特に新しい変数や交絡因子の検出に効果的です。SPECTRE-G2は、オープンワールド環境における「未知の未知」を検出するための実用的なアプローチを提供します。
