論文の概要: Do LLMs Encode Frame Semantics? Evidence from Frame Identification

• arxiv url: http://arxiv.org/abs/2509.19540v1
• Date: Tue, 23 Sep 2025 20:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.592919
• Title: Do LLMs Encode Frame Semantics? Evidence from Frame Identification
• Title（参考訳）: LLMはフレームセマンティクスを符号化しているか? フレーム識別による証拠
• Authors: Jayanth Krishna Chundru, Rudrashis Poddar, Jie Cao, Tianyu Jiang,
• Abstract要約: 大規模言語モデルがフレームセマンティクスの潜在知識を符号化するかどうかを,フレーム識別に焦点をあてて検討する。 我々は,プロンプトベース推論に基づくモデルの評価を行い,明示的な監督なしにフレーム識別を効果的に行うことができることを示した。
• 参考スコア（独自算出の注目度）: 4.508786802660182
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We investigate whether large language models encode latent knowledge of frame semantics, focusing on frame identification, a core challenge in frame semantic parsing that involves selecting the appropriate semantic frame for a target word in context. Using the FrameNet lexical resource, we evaluate models under prompt-based inference and observe that they can perform frame identification effectively even without explicit supervision. To assess the impact of task-specific training, we fine-tune the model on FrameNet data, which substantially improves in-domain accuracy while generalizing well to out-of-domain benchmarks. Further analysis shows that the models can generate semantically coherent frame definitions, highlighting the model's internalized understanding of frame semantics.
• Abstract（参考訳）: 大規模言語モデルがフレームセマンティクスの潜在知識を符号化するかどうかを考察し、フレームセマンティクス解析における中核的課題であるフレームセマンティクスの文脈における対象単語の適切なセマンティクスフレームの選択に焦点をあてる。 FrameNetの語彙資源を用いて,プロンプトベース推論に基づくモデルの評価を行い,明示的な監督なしにフレーム識別を効果的に行うことができることを示した。 タスク固有のトレーニングの効果を評価するため、FrameNetデータにモデルを微調整し、ドメイン内精度を大幅に向上し、ドメイン外のベンチマークに最適化する。 さらなる分析により、モデルがセマンティックコヒーレントなフレーム定義を生成できることが示され、モデルのフレームセマンティクスに対する内部的理解が強調される。

関連論文リスト

• FOCUS: Unified Vision-Language Modeling for Interactive Editing Driven by Referential Segmentation [55.01077993490845]
  最近のLVLM(Large Vision Language Models)は、視覚的理解と生成的モデリングを統一する有望な能力を示している。 本稿では,分割認識と制御可能なオブジェクト中心生成をエンドツーエンドフレームワークに統合した統合LVLMであるFOCUSを紹介する。
  論文  参考訳（メタデータ） (2025-06-20T07:46:40Z)
• Language Models As Semantic Indexers [78.83425357657026]
  本稿では,ジェネレーティブ言語モデルを用いてセマンティックIDを学習するための自己教師型フレームワークLMIndexerを紹介する。 学習したIDの質を検証し,推奨,製品検索,文書検索の3つの課題において有効性を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:56:15Z)
• Towards Realistic Zero-Shot Classification via Self Structural Semantic Alignment [53.2701026843921]
  大規模事前訓練型視覚言語モデル(VLM)はゼロショット分類に有効であることが証明されている。 本稿では,アノテーションではなく,より広い語彙を前提とした,より難易度の高いゼロショット分類(Realistic Zero-Shot Classification)を提案する。 本稿では,ラベルのないデータから構造意味情報を抽出し,同時に自己学習を行う自己構造意味アライメント(S3A)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-24T17:56:46Z)
• Learning Referring Video Object Segmentation from Weak Annotation [78.45828085350936]
  RVOS(Referring Video Object segmentation)は、対象物を記述する文に基づいて、対象物をすべてのビデオフレームにセグメント化することを目的としたタスクである。 そこで本研究では, RVOS に対する十分な監視を提供しながら, アノテーションの労力を 8 倍に削減する新たなアノテーション方式を提案する。 私たちのスキームは、最初にオブジェクトが現れるフレームのマスクと、残りのフレームのバウンディングボックスのみを必要とする。
  論文  参考訳（メタデータ） (2023-08-04T06:50:52Z)
• Acquiring Frame Element Knowledge with Deep Metric Learning for Semantic Frame Induction [24.486546938073907]
  本稿では,ディープラーニングを意味的フレーム帰納タスクに適用する手法を提案する。 事前訓練された言語モデルは、フレーム要素の役割を区別するのに適するように微調整される。 FrameNetの実験結果から,本手法は既存手法よりも大幅に性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-05-23T11:02:28Z)
• Semantic Frame Induction with Deep Metric Learning [24.486546938073907]
  本研究では,深層学習を用いて文脈的埋め込みモデルを微調整するモデルを提案する。 セマンティック・フレーム・インダクションを実行するために、微調整されたコンテキスト適応型埋め込みを適用した。
  論文  参考訳（メタデータ） (2023-04-27T15:46:09Z)
• Knowledge-augmented Frame Semantic Parsing with Hybrid Prompt-tuning [17.6573121083417]
  本稿では,意味表現を強化するための知識強化フレーム意味解析アーキテクチャ(KAF-SPA)を提案する。 メモリベースの知識抽出モジュール(MKEM)は、正確なフレーム知識を選択し、連続的なテンプレートを構築するために考案された。 我々はまた、選択した知識をPLMに組み込むハイブリッドプロンプトを用いてタスク指向知識探索モジュール(TKPM)を設計し、フレームおよび引数識別のタスクにPLMを適用する。
  論文  参考訳（メタデータ） (2023-03-25T06:41:19Z)
• Query Your Model with Definitions in FrameNet: An Effective Method for Frame Semantic Role Labeling [43.58108941071302]
  Frame Semantic Role Labeling (FSRL)は、引数を特定し、FrameNetで定義されたフレームロールにラベル付けする。 本稿では,これらの問題を緩和するために,FrameNet (AGED) で定義した ArGument Extractor というクエリベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-05T05:09:12Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)
• Sister Help: Data Augmentation for Frame-Semantic Role Labeling [9.62264668211579]
  既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。 本稿では,このデータ強化の重要性を示すフレーム・セマンティック・ロール・ラベリングの実験を行う。
  論文  参考訳（メタデータ） (2021-09-16T05:15:29Z)

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。