論文の概要: Semantic Geometry for policy-constrained interpretation

• arxiv url: http://arxiv.org/abs/2512.14731v1
• Date: Wed, 10 Dec 2025 10:10:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.695815
• Title: Semantic Geometry for policy-constrained interpretation
• Title（参考訳）: 政策制約解釈のための意味幾何学
• Authors: Nikit Phadke,
• Abstract要約: 本稿では,ハイテイクドメインにおける幻覚的コミットメントを確実に防止する政策制約型意味解釈の枠組みを提案する。 我々はこの枠組みを情報理論、ベイズ的推論、および層論的意味論に結びつける。 大規模規制金融データに対する実証的検証は、複数の政策体制にまたがる幻覚的承認をゼロにすることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a geometric framework for policy-constrained semantic interpretation that provably prevents hallucinated commitments in high-stakes domains. Semantic meaning is represented as direction on a unit sphere, evidence is modeled as sets of witness vectors, and admissible interpretations correspond to spherical convex regions. Policy constraints are introduced as explicit priors defined over the same manifold, separated from evidence geometry. Interpretation reduces to constrained optimization over admissible regions, with refusal emerging as a topologically necessary outcome under contradiction or policy exclusion. We connect this framework to information theory, Bayesian inference, and sheaf-theoretic semantics, proving that our complexity bounds are information-theoretically optimal. Empirical validation on large scale regulated financial data demonstrates zero hallucinated approvals across multiple policy regimes-the first such result at scale.
• Abstract（参考訳）: 政策制約のある意味解釈のための幾何学的枠組みを提案し,高い領域における幻覚的コミットメントを確実に防止する。 意味論的意味は単位球面上の方向として表現され、証拠は目撃ベクトルの集合としてモデル化され、許容可能な解釈は球面凸領域に対応する。 ポリシー制約は、エビデンス幾何学から切り離された同じ多様体上で定義された明示的な事前条件として導入される。 解釈は許容可能な領域に対する制約付き最適化に還元され、矛盾や政策排除の下で位相的に必要となる結果として拒絶が出現する。 我々はこの枠組みを情報理論、ベイズ的推論、および層論的意味論に結びつけ、我々の複雑性境界が情報理論的に最適であることを証明した。 大規模金融データに対する実証的検証は、複数の政策体制にまたがる幻覚的承認がゼロであることを証明している。

関連論文リスト

• TokenBlowUp: Resolving Representational Singularities in LLM Token Spaces via Monoidal Transformations [0.9179857807576733]
  最近の研究は、大規模言語モデルのトークン埋め込み空間に対する基礎多様体仮説に挑戦する説得力のある証拠を提供している。 我々はこの問題をスキーム理論の言語で定式化し、スキーム理論のブローアップを各特異点に適用することにより厳密な解法を提案する。 我々は、この新しい空間の幾何学的正則化を保証する公式な定理を証明し、元の病理が解決されたことを示す。
  論文  参考訳（メタデータ） (2025-07-26T02:39:54Z)
• On the Theory of Conditional Feature Alignment for Unsupervised Domain-Adaptive Counting [27.44207520673983]
  オブジェクトカウントモデルは、密度の多様性が異なるドメインにデプロイされるときに苦しむ。 条件付き特徴アライメントの理論的枠組みを提案し,簡単な実装を提供する。
  論文  参考訳（メタデータ） (2025-06-20T16:37:48Z)
• Approximation Fixpoint Theory with Refined Approximation Spaces [5.714553194279462]
  近似固定点理論(英: Approximation Fixpoint Theory、AFT)は、非単調な推論形式論の様々な意味論をカバーする強力な理論である。 本稿では、時間間隔よりも洗練された近似を扱うためにAFTを拡張した。
  論文  参考訳（メタデータ） (2025-06-19T13:12:53Z)
• Statistical Analysis of Policy Space Compression Problem [54.1754937830779]
  政策探索手法は強化学習において重要であり、継続的な状態反応と部分的に観察可能な問題に対処するための枠組みを提供する。 政策圧縮による政策空間の削減は、学習プロセスを加速するための強力で報酬のないアプローチとして現れます。 この手法は方針空間をより小さく代表的な集合に凝縮し、元の効果のほとんどを維持している。
  論文  参考訳（メタデータ） (2024-11-15T02:46:55Z)
• Learning Visual-Semantic Subspace Representations [49.17165360280794]
  我々は,自己教師型学習に有効な情報理論の原理を基礎として,核ノルムに基づく損失関数を導入する。 この損失の理論的特徴として、クラス性の促進に加えて、部分空間格子内のデータのスペクトル幾何学を符号化していることを示す。
  論文  参考訳（メタデータ） (2024-05-25T12:51:38Z)
• Geometric Methods for Sampling, Optimisation, Inference and Adaptive Agents [102.42623636238399]
  我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。 これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2022-03-20T16:23:17Z)
• Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
  我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。 提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
  論文  参考訳（メタデータ） (2022-02-09T19:01:33Z)
• A Topological Perspective on Causal Inference [10.965065178451104]
  仮定のない因果推論は、構造因果モデルの単なる集合においてのみ可能であることを示す。 以上の結果から,有効な因果推論を行うのに十分な帰納的仮定は,原理上は統計的に検証できないことが示唆された。 我々のトポロジカルアプローチのさらなる利点は、無限に多くの変数を持つSCMに容易に対応できることである。
  論文  参考訳（メタデータ） (2021-07-18T23:09:03Z)
• Leveraging Unlabeled Data for Entity-Relation Extraction through Probabilistic Constraint Satisfaction [54.06292969184476]
  シンボリックドメイン知識の存在下でのエンティティ関係抽出の問題を研究する。 本手法では,論理文の正確な意味を捉える意味的損失を用いる。 低データ体制に焦点をあてて、セマンティックな損失がベースラインをはるかに上回ることを示す。
  論文  参考訳（メタデータ） (2021-03-20T00:16:29Z)

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。