論文の概要: What can LLMs tell us about the mechanisms behind polarity illusions in humans? Experiments across model scales and training steps

• arxiv url: http://arxiv.org/abs/2603.27855v1
• Date: Sun, 29 Mar 2026 20:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.143826
• Title: What can LLMs tell us about the mechanisms behind polarity illusions in humans? Experiments across model scales and training steps
• Title（参考訳）: LLMは人間の極性錯覚のメカニズムを教えてくれるだろうか? モデルスケールとトレーニングステップにまたがる実験
• Authors: Dario Paape,
• Abstract要約: LLMにおいて、NPIイリュージョンと深度電荷イリュージョンという2つのよく知られた極性錯覚が生じるかどうかについて検討する。 NPIイリュージョンはモデルサイズが大きくなるにつれて弱くなり、最終的に消失するが、デプス電荷イリュージョンはより大きなモデルでは強くなる。 偏極性の錯覚を説明するために、不規則な文をよくできた文に変換する「合理的推論」機構を仮定する必要はないかもしれない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: I use the Pythia scaling suite (Biderman et al. 2023) to investigate if and how two well-known polarity illusions, the NPI illusion and the depth charge illusion, arise in LLMs. The NPI illusion becomes weaker and ultimately disappears as model size increases, while the depth charge illusion becomes stronger in larger models. The results have implications for human sentence processing: it may not be necessary to assume "rational inference" mechanisms that convert ill-formed sentences into well-formed ones to explain polarity illusions, given that LLMs cannot plausibly engage in this kind of reasoning, especially at the implicit level of next-token prediction. On the other hand, shallow, "good enough" processing and/or partial grammaticalization of prescriptively ungrammatical structures may both occur in LLMs. I propose a synthesis of different theoretical accounts that is rooted in the basic tenets of construction grammar.
• Abstract（参考訳）: 私はPythiaスケーリングスイート(Biderman et al 2023)を使って、2つのよく知られた極性錯覚(NPI錯視と深度電荷錯覚)がLLMでどのように起こるかを調べます。 NPIイリュージョンはモデルサイズが大きくなるにつれて弱くなり、最終的に消失するが、デプス電荷イリュージョンはより大きなモデルでは強くなる。 結果が人間の文処理に影響を及ぼす: 不規則な文を偏極性の錯覚を説明するために、不規則な文をよく形づくったものに変換する「合理的推論」機構を仮定する必要はないかもしれない。 一方、LLMでは、浅い「十分良い」処理や、規範的非文法構造の部分的な文法化が生じる可能性がある。 本稿では,構成文法の基本要素に根ざした,異なる理論的記述の合成を提案する。

関連論文リスト

• AbductiveMLLM: Boosting Visual Abductive Reasoning Within MLLMs [54.68257779000049]
  視覚的帰納的推論は、AIシステムが不完全な視覚的観察の最も可能性の高い説明を推論する必要がある難しいタスクである。 本稿では,REASONERとIMAGINERの2つの相乗成分からなるAbductiveMLLMを紹介する。 標準VARベンチマークの実験では、AbductiveMLLMは最先端のパフォーマンスを達成し、従来のソリューションや高度なMLLMよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-01-06T07:05:35Z)
• Beyond Hallucinations: The Illusion of Understanding in Large Language Models [0.0]
  大規模言語モデル(LLM)は、人間のコミュニケーションや意思決定に深く浸透している。 彼らはあいまいさ、偏見、言語自体に固有の真理への直接アクセスの欠如を継承する。 本稿は,LLMがシステム1認知を大規模に運用する,高速,連想的,説得的だが,反射やファルシフィケーションは行わない,と論じる。
  論文  参考訳（メタデータ） (2025-10-16T13:19:44Z)
• Do Larger Language Models Generalize Better? A Scaling Law for Implicit Reasoning at Pretraining Time [73.22651918134808]
  この研究は、モデルサイズのスケーリングによる直感的効果を示し、言語モデル(LM)におけるスケーリングと推論の関係に関する新たな洞察を提供する。 我々は,実世界の大規模知識グラフの構造と分布を再現する合成暗黙のマルチホップ推論環境において,ゼロからLMを事前学習する。 次に、実世界の事前学習における暗黙的推論の単純化とみなすことができるマルチホップ推論を必要とする、グラフの欠落したエッジを完遂するLMの能力を評価する。
  論文  参考訳（メタデータ） (2025-04-04T17:57:22Z)
• Do Large Language Models Exhibit Spontaneous Rational Deception? [0.913127392774573]
  大規模言語モデル (LLM) は、そのように促されるときの判断に有効である。 しかし、どんな条件で自然に騙されるのか? 本研究は, LLMが生み出す自発誤を, 予め登録した実験プロトコルで評価する。
  論文  参考訳（メタデータ） (2025-03-31T23:10:56Z)
• Delusions of Large Language Models [62.43923767408462]
  大規模言語モデルは、しばしば幻覚として知られる、事実的に間違っているが、もっともらしい出力を生成する。 高信頼幻覚と定義され、不正確な出力を異常に高い信頼性で検出し、緩和することが難しくなる、より惨めな現象であるLSM妄想を識別する。
  論文  参考訳（メタデータ） (2025-03-09T17:59:16Z)
• LLMs Will Always Hallucinate, and We Need to Live With This [1.3810901729134184]
  この研究は、言語モデルにおける幻覚は時折エラーであるだけでなく、これらのシステムの必然的な特徴であると主張している。 したがって、アーキテクチャの改善、データセットの強化、ファクトチェックメカニズムを通じてそれらを取り除くことは不可能である。
  論文  参考訳（メタデータ） (2024-09-09T16:01:58Z)
• Deceptive Semantic Shortcuts on Reasoning Chains: How Far Can Models Go without Hallucination? [73.454943870226]
  本研究はセマンティックアソシエーションによって誘発される特定の種類の幻覚の研究である。 この現象を定量化するために,EureQAと呼ばれる新しい探索手法とベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-11-16T09:27:36Z)
• Can Language Models Be Tricked by Language Illusions? Easier with Syntax, Harder with Semantics [7.759719313292493]
  我々は「言語錯覚」に関連するLMのより微妙な判断について検討する。 比較錯視、深さ電荷錯視、負極性イリュージョン(NPI)という3つの錯覚を考察する。 我々は,人間の言語処理の認知モデルとして,かつ複雑な言語材料において,ニュアンスだが重要な情報を認識する能力において,LMは相対的に制限されていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T16:44:24Z)

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。