Selection-Safe Conformal Early Exit: Distribution-Free Coverage under Adaptive Depth

arXiv:2610.20773v1 公告类型：新

摘要：在每个 early exit 处校准一个 conformal prediction 集，一旦选择了数据相关的 exit，就无法保持覆盖率。我们从 prefix maxima 构造一个 terminal path score，校准单个 split-conformal 分位数，并返回嵌套的 prefix 集，这些集合都包含有效的 terminal 集。该保证是 selection-safe 的，无需 alpha/L 校正，并且同时适用于每个保持 terminal-set containment 的校准后无标签停止策略。我们还通过 early-over-terminal score excess 的经验尾部来界定 path maximum 的效率成本。在八个 encoder task-backbone 单元中，pathwise selection 达到 macro coverage 0.901，而 naive layerwise selection 为 0.814，平均集合大小为 1.41，延迟比例为 0.71。在 CIFAR-100 上，使用 24-exit ViT-L/16（n_cal=500），在预算 b=4 时 first-eligible stopping 达到覆盖率 0.902，集合大小 2.76，延迟比例 0.57，并且相同的校准支持部署时的预算更改而无需重新拟合。在 n=100 的联合 exit-count/calibration-size 扫描中，随着 exits 从 4 增加到 24，pathwise 集合大小仅从 3.02 移动到 3.11，而 Bonferroni 在 12 个或更多 exits 时退化为完整标签空间。在 (n,L)=(100,24) 处与 MinSE valid selection 的配对比较给出的集合大小差异为 0.80 [0.47, 1.13]。Full-vocabulary decoder 实验仍然是一个负边界，集合为 7,162-9,620 个 token。当候选 exits 相对于校准规模较多时、当预算在校准后发生变化时，以及当浅层 heads 返回可操作的集合时，Pathwise calibration 最为有用。