論文の概要: Systematic Framework of Application Methods for Large Language Models in Language Sciences

• arxiv url: http://arxiv.org/abs/2512.09552v1
• Date: Wed, 10 Dec 2025 11:43:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.499794
• Title: Systematic Framework of Application Methods for Large Language Models in Language Sciences
• Title（参考訳）: 言語科学における大規模言語モデルの応用手法の体系的枠組み
• Authors: Kun Sun, Rong Wang,
• Abstract要約: 大規模言語モデル(LLM)は言語科学を変革している。 彼らの広範な展開は、現在、方法論的な断片化と体系的な健全性の欠如に悩まされている。 本研究では,言語科学におけるLLMの戦略的かつ責任ある適用を導くための2つの包括的方法論フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 23.77480663886995
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large Language Models (LLMs) are transforming language sciences. However, their widespread deployment currently suffers from methodological fragmentation and a lack of systematic soundness. This study proposes two comprehensive methodological frameworks designed to guide the strategic and responsible application of LLMs in language sciences. The first method-selection framework defines and systematizes three distinct, complementary approaches, each linked to a specific research goal: (1) prompt-based interaction with general-use models for exploratory analysis and hypothesis generation; (2) fine-tuning of open-source models for confirmatory, theory-driven investigation and high-quality data generation; and (3) extraction of contextualized embeddings for further quantitative analysis and probing of model internal mechanisms. We detail the technical implementation and inherent trade-offs of each method, supported by empirical case studies. Based on the method-selection framework, the second systematic framework proposed provides constructed configurations that guide the practical implementation of multi-stage research pipelines based on these approaches. We then conducted a series of empirical experiments to validate our proposed framework, employing retrospective analysis, prospective application, and an expert evaluation survey. By enforcing the strategic alignment of research questions with the appropriate LLM methodology, the frameworks enable a critical paradigm shift in language science research. We believe that this system is fundamental for ensuring reproducibility, facilitating the critical evaluation of LLM mechanisms, and providing the structure necessary to move traditional linguistics from ad-hoc utility to verifiable, robust science.
• Abstract（参考訳）: 大規模言語モデル(LLM)は言語科学を変革している。 しかし、彼らの広く普及している展開は、方法論的な断片化と体系的な健全性の欠如に悩まされている。 本研究では,言語科学におけるLLMの戦略的かつ責任ある応用を導くための2つの包括的方法論フレームワークを提案する。 第1の方法選択フレームワークは,(1)探索分析と仮説生成のための一般用モデルとの迅速な相互作用,(2)検証,理論駆動調査,高品質データ生成のためのオープンソースモデルの微調整,(3)モデル内部機構のさらなる定量的解析と探索のための文脈的埋め込みの抽出という,特定の研究目標にそれぞれ関連付けられた3つの異なる補完的アプローチを定義し,体系化する。 実証事例研究によって支援された各手法の技術的実装と固有のトレードオフについて詳述する。 提案する第2の体系的フレームワークは,メソッド選択フレームワークに基づいて,これらのアプローチに基づく多段階研究パイプラインの実践的実装をガイドする構成構成を提供する。 次に,提案するフレームワークを検証するための実証実験を行い,ふりかえり分析,予測適用,専門家による評価調査を行った。 研究課題の戦略的アライメントを適切なLLM方法論と組み合わせることで、言語科学研究における重要なパラダイムシフトを可能にする。 本システムは, 再現性確保, LLM機構の批判的評価の促進, 従来の言語学をアドホックなユーティリティから, 検証可能な堅牢な科学に移行するために必要な構造の提供に基本的であると考えている。

関連論文リスト

• Computational Measurement of Political Positions: A Review of Text-Based Ideal Point Estimation Algorithms [0.0]
  本稿では、教師なしおよび半教師付き計算テキストベース理想点推定(CT-IPE)アルゴリズムの体系的レビューを行う。 CT-IPEアルゴリズムは、議会演説、政党宣言、ソーシャルメディアからイデオロギー的嗜好を推定するために、政治科学、コミュニケーション、計算社会科学、コンピュータ科学で広く使われている。
  論文  参考訳（メタデータ） (2025-11-17T11:01:09Z)
• Context-Aware Hierarchical Taxonomy Generation for Scientific Papers via LLM-Guided Multi-Aspect Clustering [59.54662810933882]
  既存の分類体系の構築手法は、教師なしクラスタリングや大きな言語モデルの直接的プロンプトを利用しており、コヒーレンスと粒度の欠如が多かった。 LLM誘導型マルチアスペクト符号化と動的クラスタリングを統合したコンテキスト対応階層型階層型分類生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-23T15:12:58Z)
• LLM-based Agentic Reasoning Frameworks: A Survey from Methods to Scenarios [63.08653028889316]
  エージェント推論フレームワークを分解し,これらのフレームワークがどのようにフレームワークレベルの推論を支配しているかを分析する。 具体的には,エージェント推論システムを単一エージェントメソッド,ツールベースメソッド,マルチエージェントメソッドに分類するための統一形式言語を提案する。 我々は、科学的発見、医療、ソフトウェア工学、社会シミュレーション、経済学における彼らの主要な応用シナリオを包括的にレビューする。
  論文  参考訳（メタデータ） (2025-08-25T06:01:16Z)
• A Hybrid AI Methodology for Generating Ontologies of Research Topics from Scientific Paper Corpora [6.384357773998868]
  Sci-OGは研究トピックを生成するための半自動的な方法論である。 本稿では,研究トピックを生成するための半自動設計手法であるSci-OGを提案する。 提案手法は,21,649件の注釈付きセマンティック・トリプルのデータセットを用いて,様々な代替ソリューションに対して評価する。
  論文  参考訳（メタデータ） (2025-08-06T08:48:14Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
  本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。 我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
  論文  参考訳（メタデータ） (2025-03-28T14:08:40Z)
• Bridging the Evaluation Gap: Leveraging Large Language Models for Topic Model Evaluation [0.0]
  本研究では,Large Language Models (LLMs) を用いた科学文献における動的に進化するトピックの自動評価のための枠組みを提案する。 提案手法は,専門家のアノテータや狭義の統計指標に大きく依存することなく,コヒーレンス,反復性,多様性,トピック文書のアライメントといった重要な品質次元を測定するためにLLMを利用する。
  論文  参考訳（メタデータ） (2025-02-11T08:23:56Z)
• Recommending Actionable Strategies: A Semantic Approach to Integrating Analytical Frameworks with Decision Heuristics [0.0]
  本稿では,戦略フレームワークと決定をセマンティック分析を通じて統合することで,行動可能な戦略を推奨する新しいアプローチを提案する。 我々の手法は、先進自然言語処理(NLP)を用いてこのギャップを橋渡しし、6CモデルのようなフレームワークをThirty-Six Stratagemsに統合することで実証した。
  論文  参考訳（メタデータ） (2025-01-24T16:53:37Z)

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。