Fugu-MT 論文翻訳(概要): A Unifying Framework for Unsupervised Concept Extraction

論文の概要: A Unifying Framework for Unsupervised Concept Extraction

arxiv url: http://arxiv.org/abs/2604.24936v1
Date: Mon, 27 Apr 2026 19:24:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-29 16:49:17.570746
Title: A Unifying Framework for Unsupervised Concept Extraction
Title（参考訳）: 教師なし概念抽出のための統一フレームワーク
Abstract要約: 本稿では,教師なし概念抽出のための統一的理論的枠組みを提案する。本稿では、識別可能性を保証するための一般的なメタ理論を提案する。
参考スコア（独自算出の注目度）: 20.620881375972946
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Techniques for concept extraction, such as sparse autoencoders and transcoders, aim to extract high-level symbolic concepts from low-level nonsymbolic representations. When these extracted concepts are used for downstream tasks such as model steering and unlearning, it is essential to understand their guarantees, or lack thereof. In this work, we present a unified theoretical framework for unsupervised concept extraction, in which we frame the task of concept extraction as identifying a generative model. We present a general meta-theorem for identifiability, which reduces the problem of establishing identifiability guarantees to the problem of characterizing the intersection of two sets. As we demonstrate on a range of widely-used approaches, this meta-theorem substantially simplifies the task of proving such guarantees, thus paving the way for the development of new, principled approaches for concept extraction.
Abstract（参考訳）: スパースオートエンコーダやトランスコーダのような概念抽出技術は、低レベルの非記号表現から高レベルのシンボル概念を抽出することを目的としている。これらの抽出された概念がモデルステアリングやアンラーニングといった下流タスクに使用される場合、それらの保証や欠如を理解することが不可欠である。本研究では,非教師付き概念抽出のための統一的理論フレームワークを提案する。本稿では,2つの集合の交叉を特徴付ける問題に対して,識別可能性を保証するための一般的なメタ理論を提案する。このメタ理論は、広く使われている様々なアプローチで示されるように、そのような保証を証明するタスクを実質的に単純化し、概念抽出のための新しい原則化されたアプローチを開発するための道を開く。

関連論文リスト

ConceptSeg-R1: Segment Any Concept via Meta-Reinforcement Learning [134.61875033137514]
プロンプト可能なセグメンテーションの最近の進歩は、視覚知覚をオブジェクトレベルのローカライゼーションから概念レベルの理解へとシフトさせてきた。我々は文脈非依存(CI)、文脈依存(CD)、文脈推論(CR)の概念からなる3段階の分類によって概念セグメンテーションを定式化する。本稿では,概念セグメンテーションをルール誘発概念基盤として再構成する統合フレームワークであるConceptSeg-R1を提案する。
論文参考訳（メタデータ） (2026-05-19T18:35:38Z)
MidSteer: Optimal Affine Framework for Steering Generative Models [53.89402578892719]
MidSteerは概念操作のためのより一般的なアフィンフレームワークで、仮定を緩和し、指向性の最小分散変換を可能にする。私たちは、様々なタスク、モダリティ、アーキテクチャにおいて、MidSteerが好適に機能することを示します。
論文参考訳（メタデータ） (2026-04-17T19:23:33Z)
Beyond Heuristic Prompting: A Concept-Guided Bayesian Framework for Zero-Shot Image Recognition [81.2779530670268]
VLM(Vision-Language Models)は、ゼロショット画像認識を著しく進歩させたモデルである。本稿では、クラス固有の概念を取り入れることで、プロンプトを強化する。我々の手法は一貫して最先端の手法より優れている。
論文参考訳（メタデータ） (2026-03-09T03:11:11Z)
FACE: Faithful Automatic Concept Extraction [4.417419748257645]
FACE(Faithful Automatic Concept extract)は、KL(Kullback-Leibler)の発散正規化項で非負行列因子化(NMF)を強化する新しいフレームワークである。我々は,KL分散の最小化が予測分布の偏差を制限し,学習された概念空間における忠実な局所線型性を促進することを理論的保証する。
論文参考訳（メタデータ） (2025-10-13T17:44:45Z)
Quantifying Structure in CLIP Embeddings: A Statistical Framework for Concept Interpretation [13.206499575700219]
概念に基づくアプローチは、モデルの内部表現の中で人間の理解可能な概念を特定することを目的としている。現在の手法では統計的厳密さが欠如しており、特定の概念を検証し、異なる手法を比較することは困難である。本稿では,CLIP埋め込み空間内の回転感度構造を定量化する仮説テストフレームワークを提案する。既存のアプローチとは異なり、発見された概念は堅牢で再現可能なパターンを表すという理論的保証を提供する。
論文参考訳（メタデータ） (2025-06-16T02:43:11Z)
Post-Hoc Concept Disentanglement: From Correlated to Isolated Concept Representations [12.072112471560716]
概念活性化ベクトル(Concept Activation Vectors, CAV)は、人間の理解可能な概念をモデル化するために広く使われている。それらは、概念サンプルの活性化から非概念サンプルの活性化までの方向を特定することによって訓練される。この方法は、"beard"や"necktie"のような類似した概念に対して、類似した非直交方向を生成する。この絡み合いは、分離された概念の解釈を複雑にし、CAVアプリケーションにおいて望ましくない効果をもたらす可能性がある。
論文参考訳（メタデータ） (2025-03-07T15:45:43Z)
Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery [52.498055901649025]
ディープニューラルネットワークの「ブラックボックス」問題に対処するために、概念ボトルネックモデル(CBM)が提案されている。本稿では,典型的なパラダイムを逆転させる新しいCBMアプローチであるDiscover-then-Name-CBM(DN-CBM)を提案する。我々の概念抽出戦略は、下流のタスクに非依存であり、既にそのモデルに知られている概念を使用するため、効率的である。
論文参考訳（メタデータ） (2024-07-19T17:50:11Z)
Implicit Concept Removal of Diffusion Models [92.55152501707995]
テキスト・ツー・イメージ(T2I)拡散モデルはしばしば、透かしや安全でない画像のような望ましくない概念を不注意に生成する。幾何学駆動制御に基づく新しい概念除去手法であるGeom-Erasingを提案する。
論文参考訳（メタデータ） (2023-10-09T17:13:10Z)
Coarse-to-Fine Concept Bottleneck Models [9.910980079138206]
この研究は、アンテホック解釈可能性、特に概念ボトルネックモデル(CBM)をターゲットにしている。我々のゴールは、人間の理解可能な概念を2段階の粒度で、高度に解釈可能な意思決定プロセスを認めるフレームワークを設計することである。この枠組みでは、概念情報は全体像と一般的な非構造概念の類似性にのみ依存せず、画像シーンのパッチ固有の領域に存在するより粒度の細かい概念情報を発見・活用するために概念階層の概念を導入している。
論文参考訳（メタデータ） (2023-10-03T14:57:31Z)
Multi-dimensional concept discovery (MCD): A unifying framework with completeness guarantees [1.9465727478912072]
本稿では,概念レベルの完全性関係を満たす従来のアプローチの拡張として,多次元概念発見(MCD)を提案する。より制約のある概念定義に対するMDDの優位性を実証的に実証する。
論文参考訳（メタデータ） (2023-01-27T18:53:19Z)
Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-06-08T04:09:13Z)

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。