SYNTHONY：ストレスを意識した、意図に条件付けされたエージェントによる深層タブular生成モデル選択
arXiv cs.LG / 2026/4/2
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、データセットの「ストレッサー（ストレス要因）」およびユーザーのメトリック嗜好に基づいて、タブularデータに最適な深層生成シンセサイザ・ファミリーを選択する、ストレス認識型かつ意図条件付け型の枠組みSYNTHONYを提案する。
- 「ストレス・プロファイリング」を提案し、4つの解釈可能なストレス次元（例：長い裾をもつ周辺分布、カテゴリの高い階数、高いジップフ分布の不均衡、小標本レジーム）にわたる合成固有のメタ特徴を用いて、どのモデル・ファミリーが最も良い性能を出すかを予測する。
- 7つのデータセット、10のシンセサイザ・ファミリー、3つの意図に対する実験では、ストレス・メタ特徴に基づくkNNセレクタが強いTop-1選択精度を達成し、ゼロショットのLLMベースによる選択やランダムなベースラインを上回る。
- 著者らは主な制約が、シンセサイザの強みを較正するために用いるハンドクラフトされた能力レジストリにあることを示し、学習された能力表現で性能差を埋められる可能性を議論している。
