論文の概要: The Presupposition Problem in Representation Genesis

• arxiv url: http://arxiv.org/abs/2603.21745v1
• Date: Mon, 23 Mar 2026 09:37:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.591146
• Title: The Presupposition Problem in Representation Genesis
• Title（参考訳）: 表現生成における前提問題
• Authors: Yiling Wu,
• Abstract要約: 大規模言語モデルは、表現生成を明示的に行わずに高い認知性能を達成する最初のシステムである。 それまでの認知システムは、我々がそれを調べる前に既にこの移行をしており、心の哲学は説明的対象ではなく背景条件として扱われていた。 本稿では,新しい理論ではなく概念的診断を行い,この問題の構造を確立し,このパターンを避けるための最小2つの条件を導出する。
• 参考スコア（独自算出の注目度）: 8.909115457491522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models are the first systems to achieve high cognitive performance without clearly undergoing representation genesis: the transition from a non-representing physical system to one whose states guide behavior in a content-sensitive way. Prior cognitive systems had already made this transition before we could examine it, and philosophy of mind treated genesis as a background condition rather than an explanatory target. LLMs provide a case that does not clearly involve this transition, making the genesis question newly urgent: if genesis did not occur, which cognitive capacities are affected, and why? We currently lack the conceptual resources to answer this. The reason, this paper argues, is structural. Major frameworks in philosophy of mind, including the Language of Thought hypothesis, teleosemantics, predictive processing, enactivism, and genetic phenomenology, share a common feature when applied to the genesis question: at some explanatory step, each deploys concepts whose explanatory purchase depends on the system already being organized as a representer. This pattern, which we call the Representation Presupposition structure, generates systematic explanatory deferral. Attempts to explain the first acquisition of content-manipulable representation within the existing categorical vocabulary import resources from the representational side of the transition itself. We call this the Representation Regress. The paper offers a conceptual diagnosis rather than a new theory, establishing the structure of the problem and deriving two minimum adequacy conditions for any account that avoids this pattern. LLMs make the absence of such a theory consequential rather than merely theoretical.
• Abstract（参考訳）: 大規模言語モデルは、表現生成を明示的に行なわずに高い認知能力を達成する最初のシステムである。 それまでの認知システムは、我々がそれを調べる前に既にこの移行をしており、心の哲学は説明的対象ではなく背景条件として扱われていた。 LLMは、この移行に明確に関与しないケースを提供しており、遺伝子が新しく緊急に疑問を呈している。 現在、これに答える概念的なリソースが欠如しています。 この論文は構造的な理由を論じている。 思考の言語(Language of Thought hypothesis)、テレオセマンティックス(テレオセマンティックス)、予測処理(predictive processing)、エノクティビズム(enactivism)、遺伝現象学(enactivism)など、心の哲学の主要な枠組みは、ジェネシスの問題に適用する場合に共通する特徴を共有している。 このパターンはRepresentation Presupposition構造と呼ばれ、系統的な説明的推論を生成する。 移行そのものの表現側から、既存の分類語彙のインポートリソース内で、コンテンツ操作可能な表現を初めて取得する試みについて説明する。 これをRepresentation Regressと呼びます。 本論文は, 新たな理論ではなく概念的診断を行い, 問題の構造を確立し, このパターンを避けるための最小2つの条件を導出する。 LLMは単に理論ではなく、そのような理論を連続的に欠く。

関連論文リスト

• Emergent Structured Representations Support Flexible In-Context Inference in Large Language Models [77.98801218316505]
  大型言語モデル(LLM)は、人間のような推論を示唆する創発的な行動を示す。 テキスト内概念推論におけるLLMの内部処理について検討する。
  論文  参考訳（メタデータ） (2026-02-08T03:14:39Z)
• Visual Language Hypothesis [14.062822951292402]
  構造的・トポロジカルな視点から視覚表現学習を研究する。 商の近似もモデルアーキテクチャに構造的要求を与えることを示す。
  論文  参考訳（メタデータ） (2025-12-29T09:43:10Z)
• On the Fundamental Impossibility of Hallucination Control in Large Language Models [0.0]
  不合理性理論:非自明な知識集約を行うLLMは、真理的な知識表現、意味情報保存、関連する知識の啓示を同時に達成できない。 提案手法は,アイデアのオークションとして推論をモデル化し,分散コンポーネントが符号化された知識を用いて応答に影響を与えることを証明している。 幻覚と想像力は数学的に同一であり、どちらも4つの重要な性質のうちの少なくとも1つに反する。
  論文  参考訳（メタデータ） (2025-06-04T23:28:39Z)
• The Unified Cognitive Consciousness Theory for Language Models: Anchoring Semantics, Thresholds of Activation, and Emergent Reasoning [2.0800882594868293]
  統一認知意識理論(UCCT)は、これらを巨大な無意識パターンリポジトリとみなしている。 UCCTはこの過程を、事前学習で学んだ統計的事前学習と文脈駆動のターゲットパターンの間のベイズ的競争として定式化している。 我々はこの理論を、しきい値交差、モダリティ、密度距離予測力の3つの原理で基礎づける。
  論文  参考訳（メタデータ） (2025-06-02T18:12:43Z)
• How do Transformers Learn Implicit Reasoning? [67.02072851088637]
  制御されたシンボリック環境下でトランスフォーマーをスクラッチからトレーニングすることで、暗黙のマルチホップ推論がどのように現れるかを研究する。 原子三重項によるトレーニングは必要ではなく学習を加速し,第2ホップの一般化は特定の構成構造へのクエリレベル露出に依存する。
  論文  参考訳（メタデータ） (2025-05-29T17:02:49Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
  本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。 オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。 大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
  論文  参考訳（メタデータ） (2024-02-23T16:50:07Z)
• Interpretability is in the Mind of the Beholder: A Causal Framework for Human-interpretable Representation Learning [22.201878275784246]
  説明可能なAIは、入力機能などの低レベル要素の観点から定義された説明から、データから学んだ解釈可能な概念でエンコードされた説明へとシフトしている。 しかし、そのような概念を確実に取得する方法は、基本的には不明確である。 ポストホックな説明器と概念に基づくニューラルネットワークの両方に適した解釈可能な表現を得るための数学的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-09-14T14:26:20Z)

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。