Авторы предложили VStress, метод аудита повторных верификаторов, систем, которые заново проверяют результат, и VStress-CA, политику распределения вызовов, которая учитывает, какую новую информацию может дать следующая проверка. VStress-CA прекращает проверку или воздерживается от решения, когда следующий вызов не даёт информации.

При сигнале об изменении зависимости между каналами контроллер перестаёт предпочитать одни каналы другим и останавливается по точному правилу. В контролируемом аудите при 35% симметричной порчи данных majority-5 повысил сбалансированную точность с 0,6578 до 0,7739, а при 65% сбалансированная точность снизилась на 0,1226 пункта.

Проверка утверждений:

  • Авторы предложили VStress и политику VStress-CA, чтобы распределять вызовы повторных верификаторов с учётом того, какую новую информацию может дать следующая проверка. (подтверждено самой публикацией: доказательство; «We introduce VStress, an auditable replay contract, and VStress-CA, a correlation-aware allocation policy that estimates the conditional marginal information of an unqueried verifier on a sealed calibration split, discounts uncertainty, normalizes by call cost, and stops or abstains when the next call is not informative.»)
  • VStress-CA прекращает проверку или воздерживается от решения, когда следующий вызов не даёт информации. (подтверждено самой публикацией: доказательство; «We introduce VStress, an auditable replay contract, and VStress-CA, a correlation-aware allocation policy that estimates the conditional marginal information of an unqueried verifier on a sealed calibration split, discounts uncertainty, normalizes by call cost, and stops or abstains when the next call is not informative.»)
  • При сигнале об изменении зависимости между каналами контроллер перестаёт предпочитать одни каналы другим и останавливается по точному правилу. (подтверждено самой публикацией: доказательство; «a dependence-shift alarm disables channel preference and falls back to exact-stop.»)
  • В контролируемом аудите при 35% симметричной порчи данных majority-5 повысил сбалансированную точность с 0,6578 до 0,7739, а при 65% сбалансированная точность снизилась на 0,1226 пункта. (подтверждено самой публикацией: доказательство; «The controlled audit gives the mechanism boundary: at 35% symmetric corruption, majority-5 improves balanced accuracy from 0.6578 to 0.7739, whereas at 65% it loses 0.1226 points.»)

Первоисточники:

оценка 52,0 из 100 · тип: исследование