論文の概要: Exploring the AI Obedience: Why is Generating a Pure Color Image Harder than CyberPunk?

• arxiv url: http://arxiv.org/abs/2603.00166v1
• Date: Thu, 26 Feb 2026 08:11:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.075783
• Title: Exploring the AI Obedience: Why is Generating a Pure Color Image Harder than CyberPunk?
• Title（参考訳）: なぜサイバーパンクよりも純粋なカラー画像を生成するのか?
• Authors: Hongyu Li, Kuan Liu, Yuan Chen, Juntao Hu, Huimin Lu, Guanjie Chen, Xue Liu, Guangming Lu, Hong Huang,
• Abstract要約: 我々は,従順性を命令と整合し,階層的な階調システムを確立する能力として定式化する。 我々は、一般的な服従ギャップを特定するためにケーススタディを行い、生成的事前がしばしば論理的制約をオーバーライドする方法を明らかにした。 VIOLINは6つの変種にまたがる純色生成に焦点を当てた最初のベンチマークである。
• 参考スコア（独自算出の注目度）: 39.98810946710997
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in generative AI have demonstrated remarkable ability to produce high-quality content. However, these models often exhibit "Paradox of Simplicity": while they can render intricate landscapes, they often fail at simple, deterministic tasks. To address this, we formalize Obedience as the ability to align with instructions and establish a hierarchical grading system ranging from basic semantic alignment to pixel-level systemic precision, which provides a unified paradigm for incorporating and categorizing existing literature. Then, we conduct case studies to identify common obedience gaps, revealing how generative priors often override logical constraints. To evaluate high-level obedience, we present VIOLIN (VIsual Obedience Level-4 EvaluatIoN), the first benchmark focused on pure color generation across six variants. Extensive experiments on SOTA models reveal fundamental obedience limitations and further exploratory insights. By establishing this framework, we aim to draw more attention on AI Obedience and encourage deeper exploration to bridge this gap.
• Abstract（参考訳）: 生成AIの最近の進歩は、高品質なコンテンツを制作する顕著な能力を示している。 しかし、これらのモデルは「単純性のパラドックス」を示すことが多く、複雑な風景を描画できるが、単純で決定論的なタスクでは失敗することが多い。 そこで我々は,Obedienceを命令と整合し,基本的な意味的アライメントからピクセルレベルのシステム的精度まで,階層的なグレーディングシステムを確立する能力として形式化し,既存の文献を統合・分類するための統一パラダイムを提供する。 そして、一般的な服従ギャップを特定するためにケーススタディを行い、生成的事前が論理的制約を過大に無視する様子を明らかにした。 高レベルの服従を評価するために、6つの変種にまたがる純色生成に焦点を当てた最初のベンチマークであるVIOLIN(Visual Obedience Level-4 EvaluatIoN)を提案する。 SOTAモデルに対する大規模な実験は、基本的な服従制限とさらなる探索的洞察を明らかにしている。 このフレームワークを確立することで、AIobedienceにより多くの注意を払って、このギャップを埋めるためにより深く探究することを目標にしています。

関連論文リスト

• Offline Discovery of Interpretable Skills from Multi-Task Trajectories [8.119611773942562]
  オフラインスキル発見と階層的模倣のための3段階のエンドツーエンド学習フレームワークであるLOKIを紹介する。 LOKIは、挑戦的なD4RL Kitchenベンチマークで高い成功率を獲得し、標準のHILベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-01T05:03:58Z)
• Think Visually, Reason Textually: Vision-Language Synergy in ARC [94.15522924153264]
  ARC-AGIは、概念ルールの誘導と新しいタスクへの転送のための厳格なテストベッドである。 既存のほとんどの手法は、ARC-AGIを純粋にテキストによる推論タスクとして扱い、人間が視覚的抽象化に強く依存しているという事実を見落としている。 VLSR(Vision-Language Synergy Reasoning)とMSSC(Modality-Switch Self-Correction)の2つの相乗的戦略を導入する。 本研究は,視覚的抽象と言語的推論を一体化させることが,汎用的な人間的な知性を実現するための重要なステップであることを示唆している。
  論文  参考訳（メタデータ） (2025-11-19T18:59:04Z)
• ThinkFake: Reasoning in Multimodal Large Language Models for AI-Generated Image Detection [51.93101033997245]
  AI生成画像のリアリズムの増大は、誤情報やプライバシー侵害に対する深刻な懸念を引き起こしている。 我々は、AI生成画像検出のための新しい推論に基づく一般化可能なフレームワークThinkFakeを提案する。 我々は、ThinkFakeがGenImageベンチマークで最先端の手法より優れており、挑戦的なLOKIベンチマークで強力なゼロショットの一般化を示すことを示す。
  論文  参考訳（メタデータ） (2025-09-24T07:34:09Z)
• Hierarchical Cross-modal Prompt Learning for Vision-Language Models [9.128564580725627]
  HiCroPLは階層型クロスモーダルなPrompt Learningフレームワークである。 テキストと視覚の相補的な強みを活用して知識の流れを導出する。 11のベンチマークで最先端の結果が得られ、大幅な改善がなされている。
  論文  参考訳（メタデータ） (2025-07-20T14:18:04Z)
• DAVID-XR1: Detecting AI-Generated Videos with Explainable Reasoning [58.70446237944036]
  DAVID-Xは、AI生成ビデオに詳細な欠陥レベル、時間空間アノテーションと有理書を組み合わせた最初のデータセットである。 DAVID-XR1は、視覚的推論の解釈可能な連鎖を提供するために設計されたビデオ言語モデルである。 以上の結果から,AI生成ビデオコンテンツの信頼性確認のための説明可能な検出手法が期待できることを示す。
  論文  参考訳（メタデータ） (2025-06-13T13:39:53Z)
• Imagine, Verify, Execute: Memory-guided Agentic Exploration with Vision-Language Models [81.08295968057453]
  本稿では,人間の好奇心に触発されたエージェント探索フレームワークIVEを紹介する。 シミュレーションおよび実世界のテーブルトップ環境におけるIVEの評価を行った。
  論文  参考訳（メタデータ） (2025-05-12T17:59:11Z)
• Contemplative Artificial Intelligence [1.6591901705380634]
  我々は、AIシステムにレジリエントなWise World Modelを組み込むことができる4つの公理原理を示す。 第一にマインドフルネスは、創発的なサブゴールの自己監視と再調整を可能にする。 第二に、空の森は犬のゴールを固定し、厳格な事前を緩和する。 第三に、非二重性は敵の自己他の境界を解消する。 第4に、無制限のケアは、苦しみの普遍的な減少を動機づける。
  論文  参考訳（メタデータ） (2025-04-21T14:20:49Z)
• PEAR: Primitive Enabled Adaptive Relabeling for Boosting Hierarchical Reinforcement Learning [25.84621883831624]
  階層的強化学習(HRL)は、時間的抽象化と探索の増大により、複雑な長い地平線タスクを解く可能性がある。 プリミティブ・アダプティブ・アダプティブ・レバーベリング(PEAR)を提案する。 まず,いくつかの専門家による実験を適応的に実施し,効率的なサブゴール管理を実現する。 次に、強化学習(RL)と模倣学習(IL)を併用してHRLエージェントを共同最適化する。
  論文  参考訳（メタデータ） (2023-06-10T09:41:30Z)
• Weakly-supervised HOI Detection via Prior-guided Bi-level Representation Learning [66.00600682711995]
  ヒューマンオブジェクトインタラクション(HOI)検出は、人間中心のシーン理解において重要な役割を担い、多くの視覚タスクの基本的なビルディングブロックとして機能する。 HOI検出のための汎用的でスケーラブルな戦略の1つは、画像レベルのアノテーションからのみ学習する弱い監視を使用することである。 これは、不明瞭な人間と物体の関連、HOIを検出する大きな探索空間、非常にノイズの多い訓練信号によって本質的に困難である。 画像レベルとHOIインスタンスレベルの両方で事前の知識を組み込むことができるCLIP誘導HOI表現を開発し、不正な人間とオブジェクトの関連性を実証するために自己学習機構を採用する。
  論文  参考訳（メタデータ） (2023-03-02T14:41:31Z)

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。