論文の概要: Modeling Human-Like Color Naming Behavior in Context

• arxiv url: http://arxiv.org/abs/2604.25674v1
• Date: Tue, 28 Apr 2026 14:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.892891
• Title: Modeling Human-Like Color Naming Behavior in Context
• Title（参考訳）: コンテキストにおけるヒューマンライクなカラーナーミング行動のモデル化
• Authors: Yuqing Zhang, Ecesu Ürker, Tessa Verhoef, Gemma Boleda, Arianna Bisazza,
• Abstract要約: NeLLCom-Lexフレームワークは、実用的なカラー命名とレキシコンを可能にする。 アップサンプリングにより,語彙多様性のレベルが向上することがわかった。 多くのリスナー設定により、より凸色のカテゴリが促進される。
• 参考スコア（独自算出の注目度）: 9.696111086006061
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling the emergence of human-like lexicons in computational systems has advanced through the use of interacting neural agents, which simulate both learning and communicative pressures. The NeLLCom-Lex framework (Zhang et al., 2025) allows neural agents to develop pragmatic color naming behavior and human-like lexicons through supervised learning (SL) from human data and reinforcement learning (RL) in referential games. Despite these successes, the lexicons that emerge diverge systematically from human color categories, producing highly non-convex regions in color space, which contrast with the convexity typical of human categories. To address this, we introduce two factors, upsampling rare color terms during SL and multi-listener RL interactions, and adopt a convexity measure to quantify geometric coherence. We find that upsampling improves lexical diversity and system-level informativeness of the color lexicon, while many-listener setups promote more convex color categories. The combination of moderate upsampling and multiple listeners produces lexicons most similar to human systems.
• Abstract（参考訳）: コンピュータシステムにおける人間のようなレキシコンの出現をモデル化するモデリングは、学習とコミュニケーションの圧力の両方をシミュレートする相互作用型ニューラルエージェントを用いて進歩してきた。 NeLLCom-Lexフレームワーク(Zhang et al , 2025)は、人間のデータからの教師付き学習(SL)と参照ゲームにおける強化学習(RL)を通じて、ニューラルネットワークが実用的なカラー命名行動と人間に似た語彙を開発することを可能にする。 これらの成功にもかかわらず、出現するレキシコンは、人間の色カテゴリーから体系的に分岐し、色空間において非常に非凸な領域を生み出し、それは人間のカテゴリの典型的な凸性とは対照的である。 これを解決するために, SL とマルチリスナー RL の相互作用において, 希少な色の項を増幅する2つの要素を導入し, 幾何的コヒーレンスを定量化するために凸度尺度を適用した。 アップサンプリングによって色レキシコンの語彙的多様性とシステムレベルの情報性が向上し、多くのリスナーがより凸色のカテゴリを促進することが判明した。 適度なアップサンプリングと複数のリスナーの組み合わせは、人間のシステムと最もよく似たレキシコンを生成する。

関連論文リスト

• HUMANLLM: Benchmarking and Reinforcing LLM Anthropomorphism via Human Cognitive Patterns [59.17423586203706]
  本稿では,心理的パターンを因果力の相互作用として扱うフレームワークであるHUMANLLMを提案する。 12,000の学術論文から244のパターンを構築し、2-5のパターンが相互に強化、衝突、変調されるシナリオ11,359を合成する。 我々の二重レベルチェックリストは、個々のパターンの忠実度と創発的なマルチパターンのダイナミクスを評価し、強い人間のアライメントを達成する。
  論文  参考訳（メタデータ） (2026-01-15T08:56:53Z)
• Color Names in Vision-Language Models [48.847573209643265]
  視覚言語モデル(VLM)におけるカラー命名機能の最初の体系的評価について述べる。 以上の結果から,VLMは古典的な研究から色に対して高い精度が得られる一方で,拡張された非原型カラーセットでは性能が著しく低下することが示唆された。 我々は、すべてのモデルに一貫して現れる21の共通色項を特定し、2つの異なるアプローチを明らかにした。
  論文  参考訳（メタデータ） (2025-09-26T16:04:18Z)
• NeLLCom-Lex: A Neural-agent Framework to Study the Interplay between Lexical Systems and Language Use [9.696111086006061]
  NeLLCom-Lexは意味の変化をシミュレートするために設計されたニューラルネットワークフレームワークである。 i)人間のような命名行動や語彙を発達させ,(ii)コミュニケーションニーズに応じてその行動や語彙を変化させる要因について検討する。 教師付きおよび強化学習パイプラインを用いた実験では、既存の言語を「話す」ように訓練されたニューラルエージェントが、色命名における人間に似たパターンを著しく再現できることが示されている。
  論文  参考訳（メタデータ） (2025-09-26T15:25:59Z)
• Culturally transmitted color categories in LLMs reflect a learning bias toward efficient compression [2.3204178451683264]
  我々は、分類の認知理論の鍵となるテストベッドとして色領域に焦点を当てる。 我々は英語のカラーネーム研究を行い、ジェミニは英語母語話者の命名パターンとよく一致していることを示した。 大言語モデルにおける擬似色命名システムの文化的進化をシミュレートする。
  論文  参考訳（メタデータ） (2025-09-09T19:00:10Z)
• COLIBRI Fuzzy Model: Color Linguistic-Based Representation and Interpretation [0.0]
  本稿では,人間の知覚に基づくファジィカラーモデル(COLIBRI)を導入し,計算色表現と人間の視覚知覚のギャップを埋める。 提案モデルはファジィ集合と論理を用いて色分類のためのフレームワークを作成する。 我々の発見は、デザイン、人工知能、マーケティング、人間とコンピュータの相互作用といった分野において重要である。
  論文  参考訳（メタデータ） (2025-07-15T17:01:45Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Visual Grounding Helps Learn Word Meanings in Low-Data Regimes [47.7950860342515]
  現代のニューラル言語モデル(LM)は、人間の文の生成と理解をモデル化するための強力なツールである。 しかし、これらの結果を得るためには、LMは明らかに非人間的な方法で訓練されなければならない。 より自然主義的に訓練されたモデルは、より人間らしい言語学習を示すのか? 本稿では,言語習得における重要なサブタスクである単語学習の文脈において,この問題を考察する。
  論文  参考訳（メタデータ） (2023-10-20T03:33:36Z)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)

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。