Fugu-MT 論文翻訳(概要): How LLMs Might Think

論文の概要: How LLMs Might Think

arxiv url: http://arxiv.org/abs/2604.09674v1
Date: Thu, 02 Apr 2026 17:16:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-19 19:09:11.616561
Title: How LLMs Might Think
Title（参考訳）: LLMはどのように考えるか
Authors: Joseph Gottlieb, Ethan Kemp, Matthew Trager,
Abstract要約: 大規模言語モデル(LLM)が全く考えていないなら、彼らはこの方法で正確に考えるだろう、と私たちは主張する。 Daniel Stoljar と Zhihe Vincent Zhang は LLM が考えていないという主張に対する合理性から議論を展開した。
参考スコア（独自算出の注目度）: 5.0037425819019425
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Do large language models (LLMs) think? Daniel Stoljar and Zhihe Vincent Zhang have recently developed an argument from rationality for the claim that LLMs do not think. We contend, however, that the argument from rationality not only falters, but leaves open an intriguing possibility: that LLMs engage only in arational, associative forms of thinking, and have purely associative minds. Our positive claim is that if LLMs think at all, they likely think precisely in this manner.
Abstract（参考訳）: 大きな言語モデル(LLM)は考えていますか? Daniel Stoljar と Zhihe Vincent Zhang は LLM が考えていないという主張に対する合理性から議論を展開した。しかしながら、合理性からの議論はファルタだけでなく、LLMが合理的で連想的な思考の形式にのみ関与し、純粋に連想的な心を持つという、興味深い可能性も残している。我々の肯定的な主張は、LLMが全く考えていないなら、彼らはこの方法で正確に考えるだろうということである。

関連論文リスト

Why Cannot Large Language Models Ever Make True Correct Reasoning? [0.0]
著者らは、LSMのいわゆる「推論能力」は、曖昧な概念を持つ人々の錯覚にすぎないと考えている。本論文は, 動作原理の本質的な限界から, LLMには真の正しい推論能力がないことを説明しようとするものである。
論文参考訳（メタデータ） (2025-08-14T01:18:18Z)
The Cost of Thinking: Increased Jailbreak Risk in Large Language Models [3.6119958671506707]
我々は,AdvBench と HarmBench の 9 個の LLM を評価し,LLM における攻撃的思考モードの成功率は,非思考モードの成功率よりもほぼ高いことを示した。本稿では, LLMの内部的思考プロセスに, LLMの「特定の思考トークン」を付加することにより, LLMの内部的思考プロセスを明示的にガイドする, LLMに対する安全な思考介入手法を提案する。
論文参考訳（メタデータ） (2025-08-09T09:49:49Z)
On the attribution of confidence to large language models [0.1478468781294373]
クレデンスは命題の信頼度に対応する精神状態である。信条の帰属に関する理論的根拠は不明である。 LLMがクリーデンスを持つとしても、クレデンス属性は一般的に偽である可能性は明らかである。
論文参考訳（メタデータ） (2024-07-11T10:51:06Z)
Through the Theory of Mind's Eye: Reading Minds with Multimodal Video Large Language Models [42.83693145995148]
ビデオとテキストを用いたマルチモーダルToM推論のためのパイプラインを開発する。また、ToM質問に応答するキーフレームを検索することで、明示的なToM推論を可能にする。
論文参考訳（メタデータ） (2024-06-19T18:24:31Z)
GTBench: Uncovering the Strategic Reasoning Limitations of LLMs via Game-Theoretic Evaluations [87.99872683336395]
大規模言語モデル(LLM)は、重要な現実世界のアプリケーションに統合される。本稿では,LLMの競合環境における推論能力について検討する。まず,広く認識されている10のタスクを構成する言語駆動型環境であるGTBenchを提案する。
論文参考訳（メタデータ） (2024-02-19T18:23:36Z)
When Do LLMs Need Retrieval Augmentation? Mitigating LLMs' Overconfidence Helps Retrieval Augmentation [66.01754585188739]
大規模言語モデル(LLM)は、特定の知識を持っていないことを知るのが困難であることが判明した。 Retrieval Augmentation (RA)はLLMの幻覚を緩和するために広く研究されている。本稿では,LLMの知識境界に対する認識を高めるためのいくつかの手法を提案する。
論文参考訳（メタデータ） (2024-02-18T04:57:19Z)
LLMs grasp morality in concept [0.46040036610482665]
我々は人間を超えて広がる意味の一般的な理論を提供する。我々は,LLMが意味エージェントとしての地位から,すでに人間の社会の構造を把握していることを示唆している。不整合モデルは、道徳的および社会的哲学をより良く発展させるのに役立つかもしれない。
論文参考訳（メタデータ） (2023-11-04T01:37:41Z)
Position: Key Claims in LLM Research Have a Long Tail of Footnotes [81.14898541318198]
我々は、Large Language Models(LLMs)の動作定義を持っていないと論じる。それらの特性に関する5つの共通主張を批判的に検討する。今後の研究の方向性とフレーミングについて提案する。
論文参考訳（メタデータ） (2023-08-14T13:00:53Z)
Still No Lie Detector for Language Models: Probing Empirical and Conceptual Roadblocks [0.0]
大型言語モデル(LLM)が信念を持っているかどうか、そしてそれらがそうであるかどうか、どのようにそれらを測定するべきか、という疑問を考察する。 Azaria and Mitchell (2023) と Burns et al. (2022) の2つの既存アプローチを評価した。我々は, LLM が信念を持っているとしても, 概念上の理由からこれらの手法が成功する可能性は低いと論じる。
論文参考訳（メタデータ） (2023-06-30T23:44:51Z)

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。