論文の概要: Position: General Alignment Has Hit a Ceiling; Edge Alignment Must Be Taken Seriously

• arxiv url: http://arxiv.org/abs/2602.20042v1
• Date: Mon, 23 Feb 2026 16:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.910815
• Title: Position: General Alignment Has Hit a Ceiling; Edge Alignment Must Be Taken Seriously
• Title（参考訳）: エッジアライメント(エッジアライメント)が本当に必要だった
• Authors: Han Bao, Yue Huang, Xiaoda Wang, Zheyuan Zhang, Yujun Zhou, Carl Yang, Xiangliang Zhang, Yanfang Ye,
• Abstract要約: 我々は、一般的なアライメントの支配的なパラダイムが、矛盾する値の設定において構造的な天井に達するという立場を取る。 エッジアライメント(Edge Alignment)は,多次元の値構造を保持するシステムにおいて,異なるアプローチである。
• 参考スコア（独自算出の注目度）: 51.03213216886717
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models are being deployed in complex socio-technical systems, which exposes limits in current alignment practice. We take the position that the dominant paradigm of General Alignment, which compresses diverse human values into a single scalar reward, reaches a structural ceiling in settings with conflicting values, plural stakeholders, and irreducible uncertainty. These failures follow from the mathematics and incentives of scalarization and lead to \textbf{structural} value flattening, \textbf{normative} representation loss, and \textbf{cognitive} uncertainty blindness. We introduce Edge Alignment as a distinct approach in which systems preserve multi dimensional value structure, support plural and democratic representation, and incorporate epistemic mechanisms for interaction and clarification. To make this approach practical, we propose seven interdependent pillars organized into three phases. We identify key challenges in data collection, training objectives, and evaluation, outlining complementary technical and governance directions. Taken together, these measures reframe alignment as a lifecycle problem of dynamic normative governance rather than as a single instance optimization task.
• Abstract（参考訳）: 大規模言語モデルは、現在のアライメントプラクティスの限界を明らかにする複雑な社会技術システムにデプロイされている。 我々は、多種多様な人的価値を単一のスカラー報酬に圧縮するジェネラルアライメントの支配的パラダイムが、相反する値、複数の利害関係者、そして既約不確実性の設定において構造的天井に達するという立場を取る。 これらの失敗は、スキャラライゼーションの数学やインセンティブに従い、 \textbf{structureural} の値平ら化、 \textbf{normative} の表現損失、 \textbf{cognitive} の不確実な盲点につながる。 エッジアライメント(Edge Alignment)は,多次元の値構造を保ち,複数かつ民主的な表現をサポートし,相互作用と明確化のための認識機構を組み込んだシステムである。 このアプローチを実用的なものにするために,3つのフェーズで構成された7つの相互依存柱を提案する。 データ収集、トレーニング目標、評価における重要な課題を特定し、補完的な技術とガバナンスの方向性を概説する。 まとめると、これらの測定は単一のインスタンス最適化タスクではなく、動的な規範的ガバナンスのライフサイクル問題としてアライメントを再設定します。

関連論文リスト

• Domain Expansion: A Latent Space Construction Framework for Multi-Task Learning [26.322513515274764]
  複数の目的を持つ単一ネットワークのトレーニングは、共有表現を低下させる矛盾する勾配につながることが多い。 このフレームワークは、潜伏空間自体を再構築することで、これらの衝突を防ぐ。
  論文  参考訳（メタデータ） (2026-01-27T21:30:21Z)
• PRISM: Purified Representation and Integrated Semantic Modeling for Generative Sequential Recommendation [28.629759086187352]
  本稿では,PRISMとPureified RepresentationとIntegrated Semantic Modelingを組み合わせた新しい生成レコメンデーションフレームワークを提案する。 PRISMは4つの実世界のデータセットで、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-01-23T08:50:16Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• CAMO: Causality-Guided Adversarial Multimodal Domain Generalization for Crisis Classification [16.165585394745786]
  ソーシャルメディアにおける危機分類は、投稿から実行可能な災害関連情報を抽出することを目的としている。 既存のアプローチは、主にディープラーニングを活用して、危機分類のためにテキストと視覚の手がかりを融合する。 本稿では,対向的絡み合いと統一表現学習を組み合わせた因果性誘導型マルチモーダル領域一般化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-08T22:12:27Z)
• ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
  理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。 現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。 本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:13:41Z)
• Escaping Plato's Cave: JAM for Aligning Independently Trained Vision and Language Models [30.07172193932125]
  本稿では,JAM(Joint Autoencoder Modulator)が独立に訓練された表現のアライメントを誘導することを示す。 本研究は, 共通意味論の構造に関する理論的知見と, 一般論的な一助的基礎を専門的マルチモーダルモデルに変換するための実践的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-07-01T21:43:50Z)
• Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction [61.484280369655536]
  カメラを用いた3Dセマンティック占領予測(SOP)は、限られた2次元画像観察から複雑な3Dシーンを理解するのに不可欠である。 既存のSOPメソッドは通常、占有表現学習を支援するためにコンテキストの特徴を集約する。 より正確なSOP(Hi-SOP)のための新しい階層型コンテキストアライメントパラダイムを導入する。
  論文  参考訳（メタデータ） (2024-12-11T09:53:10Z)
• Understanding and Constructing Latent Modality Structures in Multi-modal Representation Learning [53.68371566336254]
  優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。 具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
  論文  参考訳（メタデータ） (2023-03-10T14:38:49Z)
• Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
  本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。 我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-01-23T02:37:10Z)

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。