論文の概要: Syntactically-guided Information Maintenance in Sentence Comprehension
- arxiv url: http://arxiv.org/abs/2604.27468v1
- Date: Thu, 30 Apr 2026 06:11:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.949812
- Title: Syntactically-guided Information Maintenance in Sentence Comprehension
- Title（参考訳）: 文理解における統語的誘導型情報保守
- Authors: Shinnosuke Isono, Kohei Kajikawa,
- Abstract要約: メンテナンスは認知的にコストがかかり、処理が遅くなることを示します。
この観点では、予測されたヘッドの数と不完全な依存関係の数という2つの要因がメンテナンスコストに影響を与える。
メンテナンスの遅れが予測可能性の恩恵を受ける傾向にある,というトレードオフがあることが示されています。
- 参考スコア（独自算出の注目度）: 1.4323566945483497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Maintaining information in context is essential in successful real-time language comprehension, but maintenance is cognitively costly and can slow processing. We hypothesize that rational language users selectively maintain information that is crucial for future prediction, guided by syntactic structure. Under this view, two factors affect maintenance cost: the number of predicted heads and the number of incomplete dependencies. Although these factors have been treated as competing hypotheses in the literature, our account predicts that they are not reducible to one another. We show this is the case, using a naturalistic reading time dataset in Japanese, a language in which the two factors contrast particularly clearly. We further show that there is a tradeoff such that readers that slow down for maintenance tend to benefit more from predictability, providing additional support for the proposed account.
- Abstract（参考訳）: コンテキスト内の情報を維持することは、リアルタイム言語理解の成功に不可欠であるが、メンテナンスは認知的にコストがかかり、処理が遅くなる可能性がある。
我々は,言語利用者が将来予測に不可欠な情報を選択的に保持し,構文構造で導かれることを仮定する。
この観点では、予測されたヘッドの数と不完全な依存関係の数という2つの要因がメンテナンスコストに影響を与える。
これらの要因は文献で競合する仮説として扱われてきたが、我々の説明では互いに再現できないと予測している。
本稿では,日本語の読解時間データセットを用いて,この2つの要因が特に顕著に対比される言語であることを示す。
さらに、保守の遅れが予測可能性の恩恵を受ける傾向があり、提案されたアカウントにさらなるサポートを提供するというトレードオフがあることも示している。
関連論文リスト
- Information-Theoretic Storage Cost in Sentence Comprehension [2.2430360925057102]
本研究では,情報理論の形式化に基づくストレージコストの計算手法を提案する。
従来の離散的な文法ベースのメトリクスとは異なり、この尺度は連続的で理論ニュートラルであり、事前訓練されたニューラルネットワークモデルから推定することができる。
論文 参考訳（メタデータ） (2026-02-20T13:55:56Z) - Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。
本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。
私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
論文 参考訳（メタデータ） (2025-11-03T18:43:48Z) - How does a Language-Specific Tokenizer affect LLMs? [0.36248657646376703]
言語固有のトークン化器の必要性は、効果的な自然言語処理にとって直感的に重要である。
本研究では、言語固有のトークン化剤が、主に英語のテキストデータを用いて訓練された大規模言語モデルの振る舞いにどのように影響するかを考察する。
論文 参考訳（メタデータ） (2025-02-18T05:54:56Z) - XForecast: Evaluating Natural Language Explanations for Time Series Forecasting [72.57427992446698]
時系列予測は、特に正確な予測に依存するステークホルダーにとって、意思決定を支援する。
伝統的に説明可能なAI(XAI)メソッドは、機能や時間的重要性を基盤とするものであり、専門家の知識を必要とすることが多い。
時系列データにおける複雑な因果関係のため,予測NLEの評価は困難である。
論文 参考訳（メタデータ） (2024-10-18T05:16:39Z) - Attention-aware semantic relevance predicting Chinese sentence reading [6.294658916880712]
本研究では,文脈意味的関連性を計算するための注意意識的アプローチを提案する。
意味的関連性の注意を意識したメトリクスは、中国語読解タスクの固定期間をより正確に予測することができる。
私たちのアプローチは、人間の言語理解と処理方法の理解を深めるために、これらのメトリクスの可能性を強調します。
論文 参考訳（メタデータ） (2024-03-27T13:22:38Z) - Quantifying the redundancy between prosody and text [67.07817268372743]
我々は大きな言語モデルを用いて、韻律と単語自体の間にどれだけの情報が冗長であるかを推定する。
単語が持つ情報と韻律情報の間には,複数の韻律的特徴にまたがる高い冗長性が存在する。
それでも、韻律的特徴はテキストから完全には予測できないことが観察され、韻律は単語の上下に情報を運ぶことが示唆された。
論文 参考訳（メタデータ） (2023-11-28T21:15:24Z) - Subspace Chronicles: How Linguistic Information Emerges, Shifts and
Interacts during Language Model Training [56.74440457571821]
我々は、構文、意味論、推論を含むタスクを、200万の事前学習ステップと5つのシードで分析する。
タスクや時間にまたがる重要な学習フェーズを特定し、その間にサブスペースが出現し、情報を共有し、後に専門化するために混乱する。
この結果は,モデル解釈可能性,マルチタスク学習,限られたデータからの学習に影響を及ぼす。
論文 参考訳（メタデータ） (2023-10-25T09:09:55Z)
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。