論文の概要: Recursive numeral systems are highly regular and easy to process

• arxiv url: http://arxiv.org/abs/2510.27049v1
• Date: Thu, 30 Oct 2025 23:34:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.932916
• Title: Recursive numeral systems are highly regular and easy to process
• Title（参考訳）: 再帰的数系は非常に規則的で容易に処理できる
• Authors: Ponrawee Prasertsom, Andrea Silvi, Jennifer Culbertson, Moa Johansson, Devdatt Dubhashi, Kenny Smith,
• Abstract要約: 提案されたトレードオフは、人間の文法の中心となる複雑さの重要な側面である規則性を無視している、と我々は主張する。 我々のアプローチは、言語における最適性を測り、説明しようとする研究において、形態の集合に規則性を組み込む必要性を強調している。
• 参考スコア（独自算出の注目度）: 3.9284102395030653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Previous work has argued that recursive numeral systems optimise the trade-off between lexicon size and average morphosyntatic complexity (Deni\'c and Szymanik, 2024). However, showing that only natural-language-like systems optimise this tradeoff has proven elusive, and the existing solution has relied on ad-hoc constraints to rule out unnatural systems (Yang and Regier, 2025). Here, we argue that this issue arises because the proposed trade-off has neglected regularity, a crucial aspect of complexity central to human grammars in general. Drawing on the Minimum Description Length (MDL) approach, we propose that recursive numeral systems are better viewed as efficient with regard to their regularity and processing complexity. We show that our MDL-based measures of regularity and processing complexity better capture the key differences between attested, natural systems and unattested but possible ones, including "optimal" recursive numeral systems from previous work, and that the ad-hoc constraints from previous literature naturally follow from regularity. Our approach highlights the need to incorporate regularity across sets of forms in studies that attempt to measure and explain optimality in language.
• Abstract（参考訳）: 以前の研究は、再帰的数体系はレキシコンサイズと平均モルフォシンタティック複雑性の間のトレードオフを最適化すると主張している(Deni\'c と Szymanik, 2024)。 しかし、このトレードオフを最適化しているのは自然言語のようなシステムのみであり、既存のソリューションは非自然的なシステムを除外するためにアドホックな制約に依存している(Yang and Regier, 2025)。 ここでは、この問題は、提案されたトレードオフが、人間の文法全般の中心となる複雑さの重要な側面である規則性を無視したために生じると論じる。 最小記述長 (MDL) 法を用いて, 再帰的な数値系は, 規則性や処理の複雑さに関して, より効率的であると考えることが提案されている。 本稿では,MDLに基づく正規性と処理の複雑さに関する尺度が,従来の研究から得られた「最適」再帰数系を含む,証明された自然システムと未検証の自然システムとの間の重要な違いをよりよく把握し,従来の文献からのアドホック制約が自然に正則性から従うことを示す。 我々のアプローチは、言語における最適性を測り、説明しようとする研究において、形態の集合に規則性を組み込む必要性を強調している。

関連論文リスト

• Bridging Reasoning to Learning: Unmasking Illusions using Complexity Out of Distribution Generalization [8.236500918322138]
  本稿では,分散の複雑さ(複雑度OoD)の一般化を推論を定義し,測定するためのフレームワークとして提案する。 モデルは、必要最小限のソリューションの複雑さがすべてのトレーニング例の複雑さを超えるテストインスタンスのパフォーマンスを維持するときに、複雑さのOoD一般化を示す。 私たちはこの視点を,スタック全体にわたる複雑度OoDの運用を推奨する形で,実践に転換します。
  論文  参考訳（メタデータ） (2025-10-06T13:08:31Z)
• Step-Aware Policy Optimization for Reasoning in Diffusion Large Language Models [57.42778606399764]
  拡散言語モデル(dLLM)は、テキスト生成に有望で非自己回帰的なパラダイムを提供する。 現在の強化学習アプローチは、しばしばスパースで結果に基づく報酬に頼っている。 これは推論の自然な構造との根本的なミスマッチに由来すると我々は主張する。
  論文  参考訳（メタデータ） (2025-10-02T00:34:15Z)
• Syzygy of Thoughts: Improving LLM CoT with the Minimal Free Resolution [59.39066657300045]
  CoT(Chain-of-Thought)は、問題を逐次ステップに分解することで、大きな言語モデル(LLM)の推論を促進する。 思考のシジー(Syzygy of Thoughts, SoT)は,CoTを補助的,相互関連的な推論経路を導入して拡張する新しいフレームワークである。 SoTはより深い論理的依存関係をキャプチャし、より堅牢で構造化された問題解決を可能にする。
  論文  参考訳（メタデータ） (2025-04-13T13:35:41Z)
• In-context Demonstration Matters: On Prompt Optimization for Pseudo-Supervision Refinement [71.60563181678323]
  大規模言語モデル(LLM)は様々なタスクで大きな成功を収めており、生成品質をさらに向上させるためには微調整が必要である場合もある。 これらの課題に対処する直接的な解決策は、教師なしの下流タスクから高信頼のデータを生成することである。 本稿では,プロンプトと全体的な擬似スーパービジョンを両立させる新しい手法,擬似教師付きデモアライメント・アライメント・アライメント・プロンプト・最適化(PAPO)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-04T03:39:28Z)
• Learning Efficient Recursive Numeral Systems via Reinforcement Learning [1.7126708168238125]
  従来、強化学習(RL)を用いることで、エージェントは人間に類似した単純な近似的かつ正確に制限された数字系を導出することができることが示されている。 本稿では,効率的な再帰的数体系の出現に関する力学的な説明を導出する手法を提案する。 相互作用を通して徐々に修正されるメタ文法を用いて、数値についてコミュニケーションする方法を学ぶエージェントのペアについて検討する。
  論文  参考訳（メタデータ） (2024-09-11T10:33:30Z)
• LLM4Rerank: LLM-based Auto-Reranking Framework for Recommendations [51.76373105981212]
  リグレードはレコメンデーションシステムにおいて重要な要素であり、レコメンデーションアルゴリズムの出力を精査する上で重要な役割を果たす。 そこで我々は,様々な格付け基準をシームレスに統合する包括的格付けフレームワークを提案する。 カスタマイズ可能な入力機構も統合されており、言語モデルのフォーカスを特定の再配置のニーズに合わせることができる。
  論文  参考訳（メタデータ） (2024-06-18T09:29:18Z)
• A Hybrid System for Systematic Generalization in Simple Arithmetic Problems [70.91780996370326]
  本稿では,記号列に対する合成的および体系的推論を必要とする算術的問題を解くことができるハイブリッドシステムを提案する。 提案システムは,最も単純なケースを含むサブセットでのみ訓練された場合においても,ネストした数式を正確に解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-29T18:35:41Z)
• Tensor Completion with Provable Consistency and Fairness Guarantees for Recommender Systems [5.099537069575897]
  非負・正の行列とテンソル完備問題を定義・解決するための新しい一貫性に基づくアプローチを導入する。 単一特性/制約: 単位スケールの一貫性を保ち、解の存在を保証し、比較的弱いサポート仮定の下では、一意性を示す。
  論文  参考訳（メタデータ） (2022-04-04T19:42:46Z)

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。