論文の概要: Interpretable Semantic Gradients in SSD: A PCA Sweep Approach and a Case Study on AI Discourse

• arxiv url: http://arxiv.org/abs/2603.13038v1
• Date: Fri, 13 Mar 2026 14:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:12.133414
• Title: Interpretable Semantic Gradients in SSD: A PCA Sweep Approach and a Case Study on AI Discourse
• Title（参考訳）: SSDにおける解釈可能なセマンティック勾配:PCAスイープアプローチとAI談話の事例研究
• Authors: Hubert Plisiecki, Maria Leniarska, Jan Piotrowski, Marcin Zajenkowski,
• Abstract要約: Supervised Semantic Differential (SSD) は、連続した個人差分変数でテキストの意味がどのように変化するかをモデル化する混合量解釈法である。 そこで本稿では,K の近傍値における表現能力,勾配解釈可能性,安定性に関する共同基準として,次元選択を扱うPCAスイープ手法を提案する。
• 参考スコア（独自算出の注目度）: 0.04999814847776097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Supervised Semantic Differential (SSD) is a mixed quantitative-interpretive method that models how text meaning varies with continuous individual-difference variables by estimating a semantic gradient in an embedding space and interpreting its poles through clustering and text retrieval. SSD applies PCA before regression, but currently no systematic method exists for choosing the number of retained components, introducing avoidable researcher degrees of freedom in the analysis pipeline. We propose a PCA sweep procedure that treats dimensionality selection as a joint criterion over representation capacity, gradient interpretability, and stability across nearby values of K. We illustrate the method on a corpus of short posts about artificial intelligence written by Prolific participants who also completed Admiration and Rivalry narcissism scales. The sweep yields a stable, interpretable Admiration-related gradient contrasting optimistic, collaborative framings of AI with distrustful and derisive discourse, while no robust alignment emerges for Rivalry. We also show that a counterfactual using a high-PCA dimension solution heuristic produces diffuse, weakly structured clusters instead, reinforcing the value of the sweep-based choice of K. The case study shows how the PCA sweep constrains researcher degrees of freedom while preserving SSD's interpretive aims, supporting transparent and psychologically meaningful analyses of connotative meaning.
• Abstract（参考訳）: Supervised Semantic Differential (SSD) は、埋め込み空間における意味的勾配を推定し、クラスタリングとテキスト検索を通じてその極を解釈することにより、連続的な個人差分変数とテキストの意味がどのように変化するかをモデル化する混合量解釈法である。 SSDは回帰前にPCAを適用するが、現在、保持するコンポーネントの数を選択するための体系的な手法は存在せず、分析パイプラインに回避可能な研究者の自由度を導入している。 そこで本論文では,K の表現能力,勾配の解釈可能性,安定性に関する共同基準として次元選択を扱えるPCAスイープ手法を提案する。 このスイープは、AIの楽観的で協調的なフレーミングと不信で悪意のある会話を対照的に、安定的で解釈可能なAdmiration関連の勾配をもたらすが、Rivalryにはロバストなアライメントは現れない。 また, 高PCA次元の解ヒューリスティックを用いた反ファクトアルは, Kのスイープベース選択の価値を高める代わりに, 拡散・弱構造化クラスタを生成し, SSDの解釈目的を保ちながら, 研究者の自由度をいかに制限するかを示し, 意味的意味の透明かつ心理的に意味のある分析を支援する。

関連論文リスト

• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• The Emergence of Lab-Driven Alignment Signatures: A Psychometric Framework for Auditing Latent Bias and Compounding Risk in Generative AI [0.0]
  本稿では,不確実性の下での潜在特性推定を定量化する新しい監査フレームワークを提案する。 この研究は最適化バイアス、Sycophancy、Status-Quo Legitimizationを含む9つの次元にわたる主要なモデルを監査している。
  論文  参考訳（メタデータ） (2026-02-19T06:56:01Z)
• On the Plasticity and Stability for Post-Training Large Language Models [54.757672540381236]
  塑性と安定性勾配の矛盾として根本原因を同定する。 本稿では,確率的衝突解決法(PCR)を提案する。 PCRはトレーニングの軌道を著しく滑らかにし、様々な推論タスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-06T07:31:26Z)
• Separation-Utility Pareto Frontier: An Information-Theoretic Characterization [1.4213973379473657]
  本研究は, 実用性と分離の最適トレードオフ, 真の結果を条件に, 感度特性から予測的独立性を必要とする公正基準について検討する。 本研究は,条件付き相互情報(CMI)に基づく実験正則化器の開発である。 この研究は、深層学習における分離を強制するための、証明可能で安定的で柔軟なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-02-04T10:38:44Z)
• Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
  ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。 本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:06:53Z)
• Improving Semantic Uncertainty Quantification in LVLMs with Semantic Gaussian Processes [60.75226150503949]
  本稿では,解答埋め込みの幾何学的構造を解析し,意味的不確実性を定量化するベイズ的枠組みを提案する。 S GPUは、生成した回答を密接なセマンティック空間にマッピングし、セマンティック埋め込みのグラム行列を計算し、セマンティック構成を要約する。 我々は,SGPUがモデルとモダリティをまたいで転送されることを示し,そのスペクトル表現が意味的不確実性の一般的なパターンを捉えていることを示す。
  論文  参考訳（メタデータ） (2025-12-16T08:15:24Z)
• PRSM: A Measure to Evaluate CLIP's Robustness Against Paraphrases [9.398106516502477]
  Contrastive Language-Image Pre-Training (CLIP) は、大規模トレーニングを通じてテキストと画像表現を整列する多モーダルモデルである。 ゼロショットや少数ショットのタスクで強く機能するが、言語の変化、特にパラフレーズに対する頑健さはいまだに未発見のままである。 本稿では、CLIPのパラフレーズクエリに対する感度を定量化するための新しい尺度である、パラフレーズランキング安定度尺度(PRSM)を紹介する。
  論文  参考訳（メタデータ） (2025-11-14T10:19:04Z)
• Exploring Semantic-constrained Adversarial Example with Instruction Uncertainty Reduction [51.50282796099369]
  本稿では,多次元命令の不確実性低減フレームワークを開発し,意味論的に制約された逆の例を生成する。 言語誘導サンプリングプロセスの予測により、設計したResAdv-DDIMサンプルにより最適化プロセスが安定化される。 セマンティック制約付き3次元逆数例の参照フリー生成を初めて実現した。
  論文  参考訳（メタデータ） (2025-10-27T04:02:52Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Confounding-Robust Policy Evaluation in Infinite-Horizon Reinforcement Learning [70.01650994156797]
  教育医療などのバッチ強化学習において、観察データからのシーケンシャルな意思決定方針のオフ・アセスメントが必要である。 我々は、ある政策の境界を推定するアプローチを開発する。 より凝縮したデータを集めることで、シャープな境界への収束を証明します。
  論文  参考訳（メタデータ） (2020-02-11T16:18:14Z)

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。