論文の概要: Chronocept: Instilling a Sense of Time in Machines

• arxiv url: http://arxiv.org/abs/2505.07637v1
• Date: Mon, 12 May 2025 15:07:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.446096
• Title: Chronocept: Instilling a Sense of Time in Machines
• Title（参考訳）: クロノセプション:機械に時間の感覚を注入する
• Authors: Krish Goel, Sanskar Pandey, KS Mahadevan, Harsh Kumar, Vishesh Khadaria,
• Abstract要約: クロノセプションは、時間とともに連続的な確率分布として時間的妥当性をモデル化する最初のベンチマークである。 出現、崩壊、ピーク関連性の微妙なパターンを捉えている。 私たちのベースラインは、位置、スケール、歪といった曲線パラメータを予測し、解釈可能で一般化可能な学習を可能にします。
• 参考スコア（独自算出の注目度）: 1.979158763744267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human cognition is deeply intertwined with a sense of time, known as Chronoception. This sense allows us to judge how long facts remain valid and when knowledge becomes outdated. Despite progress in vision, language, and motor control, AI still struggles to reason about temporal validity. We introduce Chronocept, the first benchmark to model temporal validity as a continuous probability distribution over time. Using skew-normal curves fitted along semantically decomposed temporal axes, Chronocept captures nuanced patterns of emergence, decay, and peak relevance. It includes two datasets: Benchmark I (atomic facts) and Benchmark II (multi-sentence passages). Annotations show strong inter-annotator agreement (84% and 89%). Our baselines predict curve parameters - location, scale, and skewness - enabling interpretable, generalizable learning and outperforming classification-based approaches. Chronocept fills a foundational gap in AI's temporal reasoning, supporting applications in knowledge grounding, fact-checking, retrieval-augmented generation (RAG), and proactive agents. Code and data are publicly available.
• Abstract（参考訳）: 人間の認知は、クロノセプションとして知られる時間感覚と深く絡み合っている。 この感覚は、事実がいつまで有効で、いつ知識が時代遅れになるかを判断することを可能にする。 視覚、言語、運動制御の進歩にもかかわらず、AIは時間的妥当性について考えるのに苦戦している。 時間的確率分布として時間的妥当性をモデル化する最初のベンチマークであるクロノセプションを導入する。 意味的に分解された時間軸に沿って収まるスキュー正規曲線を用いて、クロノセプションは出現、崩壊、ピーク関連性のニュアンスなパターンを捉えている。 Benchmark I (atomic facts) とBenchmark II (multi-sentence passages) の2つのデータセットが含まれている。 アノテーションは、強いアノテーション間の合意(84%と89%)を示している。 私たちのベースラインは、位置、スケール、歪といった曲線パラメータを予測し、解釈可能で、一般化可能な学習を可能にし、分類に基づくアプローチよりも優れたパフォーマンスを実現します。 クロノセプションはAIの時間的推論の基本的なギャップを埋め、知識基盤、ファクトチェック、検索強化生成(RAG)、プロアクティブエージェントの応用をサポートする。 コードとデータは公開されている。

関連論文リスト

• Exploring Temporally-Aware Features for Point Tracking [58.63091479730935]
  Chronoは、時間的認識を組み込んだポイントトラッキング用に特別に設計された機能バックボーンである。 Chronoは、TAP-Vid-DAVISとTAP-Vid-Kineticsデータセットの洗練されたフリー設定で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-01-21T15:39:40Z)
• ChroKnowledge: Unveiling Chronological Knowledge of Language Models in Multiple Domains [19.428141279030527]
  ChroKnowBenchは、時系列的に蓄積された知識を評価するために設計されたベンチマークデータセットである。 ChroKnowledgeは、LLMの非パラメトリック時系列知識を評価するための新しいサンプリングベースのフレームワークである。 ChroKnowPrompt(クロクノウプロンプト)は、周囲の時間帯をステップバイステップで移動することで、時系列の知識を引き出すための奥行きである。
  論文  参考訳（メタデータ） (2024-10-13T15:08:49Z)
• Learning Temporal Distances: Contrastive Successor Features Can Provide a Metric Structure for Decision-Making [66.27188304203217]
  時間的距離は、計画、制御、強化学習のための多くのアルゴリズムの中心にある。 このような時間的距離を設定内で定義しようとする以前の試みは、重要な制限によって妨げられている。 比較学習によって学習された後継特徴が,三角形の不等式を満たす時間的距離を形成することを示す。
  論文  参考訳（メタデータ） (2024-06-24T19:36:45Z)
• Mitigating Temporal Misalignment by Discarding Outdated Facts [58.620269228776294]
  大規模な言語モデルは、しばしば時間的ミスアライメントの下で使われ、現在に関する質問に答える。 我々は、ある事実がいつまで真実であるかを予測するタスクとして、事実期間予測を提案する。 私たちのデータとコードはhttps://github.com/mikejqzhang/mitigating_misalignment.comで公開されています。
  論文  参考訳（メタデータ） (2023-05-24T07:30:08Z)
• TimeTraveler: Reinforcement Learning for Temporal Knowledge Graph Forecasting [12.963769928056253]
  本稿では,予測のための最初の強化学習手法を提案する。具体的には,エージェントが過去の知識グラフのスナップショットを旅して回答を検索する。 提案手法は,タイムパン情報を取得するための相対時間符号化関数を定義し,ディリクレ分布に基づく新たな時間型報酬を設計し,モデル学習を指導する。 我々は,このリンク予測タスクを将来のタイムスタンプで評価する。
  論文  参考訳（メタデータ） (2021-09-09T08:41:01Z)
• A Dataset for Answering Time-Sensitive Questions [88.95075983560331]
  時間とは、我々の物理的世界において重要な次元である。多くの事実が時間に関して進化することができる。 時間次元を考慮し、既存のQAモデルに時間とともに推論する権限を与えることが重要です。 既存のQAデータセットには、時間に敏感な質問がほとんどないため、モデルの時間的推論能力の診断やベンチマークには適さない。
  論文  参考訳（メタデータ） (2021-08-13T16:42:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。