論文の概要: Algospeak, Hiding in the Open: The Trade-off Between Legible Meaning and Detection Avoidance

• arxiv url: http://arxiv.org/abs/2605.06619v1
• Date: Thu, 07 May 2026 17:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.046997
• Title: Algospeak, Hiding in the Open: The Trade-off Between Legible Meaning and Detection Avoidance
• Title（参考訳）: Algospeak, Hiding in the Open: The Trade-off between Legible Meaning and Detection Avoidance
• Authors: Jan Fillies, Ronald E. Robertson, Jeffrey Hancock,
• Abstract要約: 本研究は,共同行動モデルに基づく基礎力学を定式化する。 本稿では,Algospeak形式の意味保存型を生成するための再現可能なフレームワークを提案する。 その結果, 可理解性と変調の関係が明らかとなった。
• 参考スコア（独自算出の注目度）: 0.4478789600295492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As large language models (LLMs) increasingly mediate both content generation and moderation, linguistic evasion strategies known as Algospeak have intensified the coevolution between evaders and detectors. This research formalizes the underlying dynamics grounded in a joint action model: when Algospeak increases, detectability and understandability decrease. Further, the concept of Majority Understandable Modulation (MUM) is introduced and defined as the modulation level at which additional evasive alteration increases detector evasion but loses comprehension for the majority of recipients. To empirically probe this trade-off, we introduce a reproducible framework that can be used to create meaning-preserving, Algospeak-style variants, based on an existing taxonomy and with tunable modulation levels. Using COVID-19 disinformation as a first proof-by-example setting, we construct a reference dataset of 700 modulated items, drawn from twenty base sentences across five modulation levels and seven strategies. We then run two linked evaluations with seven different language models: one testing for interpretation through meaning recovery and one for disinformation detection through classification. Curve fitting over modulation levels yields an estimate of the Majority Understandable Modulation threshold and enables sensitivity analyses across strategies and models, see Figure 1. Results reveal the characteristic relationships between understandability and modulation. This study lays the groundwork for understanding the dynamics behind Algospeak and provides the framework, dataset, and experimental setups described.
• Abstract（参考訳）: 大規模言語モデル(LLM)がコンテンツ生成とモデレーションの両方を媒介するようになり、Algospeakとして知られる言語回避戦略は、エバダと検出器の共進化を強めた。 この研究は、アルゴスピークが増加すると、検出可能性と理解可能性が低下する、共同行動モデルに根ざした基礎となる力学を定式化する。 さらに、MUM(Majority Understandable Modulation)の概念は、追加の回避的変更が検出回避を増加させるが、大多数の受信者に対する理解を失う変調レベルとして導入され、定義されている。 このトレードオフを実証的に探究するために、既存の分類と調整可能な調整レベルに基づいて、意味保存可能なアルゴスピークスタイルの変種を作成するために使用できる再現可能なフレームワークを導入する。 新型コロナウイルスの偽情報を第1の証明・バイ・サンプル設定として使用し、5つの変調レベルと7つの戦略からなる20のベース文から引き出された700の変調項目の参照データセットを構築した。 次に、7つの異なる言語モデルを用いて2つのリンクされた評価を行う。1つは意味回復による解釈のためのテストであり、もう1つは分類による情報発見のためのテストである。 変調レベルの曲線フィッティングは、Majority Understandable Modulationの閾値を推定し、戦略とモデル間の感度分析を可能にする。 その結果, 可理解性と変調の関係が明らかとなった。 この研究は、Algospeakの背後にあるダイナミクスを理解するための基礎を築き、フレームワーク、データセット、実験的な設定を提供する。

関連論文リスト

• Evaluating Semantic Fragility in Text-to-Audio Generation Systems Under Controlled Prompt Perturbations [2.2870073664564115]
  小さな言語的変化は、生成された音声にかなりの変化をもたらし、実用的な使用における信頼性への懸念を引き起こす可能性がある。 制御された即時摂動下でのテキスト・音声システムの意味的不安定性を評価する。
  論文  参考訳（メタデータ） (2026-03-14T08:12:40Z)
• Generative Human-Object Interaction Detection via Differentiable Cognitive Steering of Multi-modal LLMs [85.69785384599827]
  人間と物体の相互作用(Human-object Interaction、HOI)の検出は、人と物体のペアとそれらの相互作用を局在させることを目的としている。 既存のメソッドはクローズドワールドの仮定の下で動作し、タスクを未定義の小さな動詞集合上の分類問題として扱う。 本稿では,閉集合分類タスクから開語彙生成問題へのHOI検出を再構成する新しい生成推論・ステアブル知覚フレームワークGRASP-HOを提案する。
  論文  参考訳（メタデータ） (2025-12-19T14:41:50Z)
• Enhancing and Exploring Mild Cognitive Impairment Detection with W2V-BERT-2.0 [1.3988930016464454]
  本研究では、TAUKADIALクロスランガルデータセットを用いて、軽度認知障害(MCI)を検出するための多言語音声自己教師学習モデルについて検討する。 これらの課題に対処するために,W2V-BERT-2.0を用いた発話から直接特徴を利用する。 この実験は競争力のある結果を示し、提案した推論ロジックはベースラインの改善に大きく貢献する。
  論文  参考訳（メタデータ） (2025-01-27T16:55:38Z)
• Beyond Coarse-Grained Matching in Video-Text Retrieval [50.799697216533914]
  きめ細かい評価のための新しいアプローチを導入する。 テストキャプションを自動的に生成することで,既存のデータセットにアプローチを適用することができる。 きめ細かい評価実験は、このアプローチがきめ細かな違いを理解するモデルの能力を高めることを実証している。
  論文  参考訳（メタデータ） (2024-10-16T09:42:29Z)
• Learning Disentangled Speech Representations [0.412484724941528]
  SynSpeechは、非絡み合った音声表現の研究を可能にするために設計された、新しい大規模合成音声データセットである。 本稿では, 線形探索と教師付きアンタングル化指標を併用して, アンタングル化表現学習手法を評価する枠組みを提案する。 SynSpeechは、さまざまな要因のベンチマークを促進し、ジェンダーや話し方のようなより単純な機能の切り離しを期待できると同時に、話者アイデンティティのような複雑な属性を分離する際の課題を強調します。
  論文  参考訳（メタデータ） (2023-11-04T04:54:17Z)
• A Unified Understanding of Deep NLP Models for Text Classification [88.35418976241057]
  我々は、テキスト分類のためのNLPモデルの統一的な理解を可能にする視覚解析ツールDeepNLPVisを開発した。 主要なアイデアは相互情報に基づく尺度であり、モデルの各レイヤがサンプル内の入力語の情報をどのように保持するかを定量的に説明する。 コーパスレベル、サンプルレベル、単語レベルビジュアライゼーションで構成されるマルチレベルビジュアライゼーションは、全体トレーニングセットから個々のサンプルまでの分析をサポートする。
  論文  参考訳（メタデータ） (2022-06-19T08:55:07Z)
• Adaptive Discrete Communication Bottlenecks with Dynamic Vector Quantization [76.68866368409216]
  入力に条件付けされた離散化の厳密度を動的に選択する学習を提案する。 コミュニケーションボトルネックの動的に変化する厳密さは、視覚的推論や強化学習タスクにおけるモデル性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-02-02T23:54:26Z)
• SPLAT: Speech-Language Joint Pre-Training for Spoken Language Understanding [61.02342238771685]
  音声理解には、入力音響信号を解析してその言語内容を理解し、予測するモデルが必要である。 大規模無注釈音声やテキストからリッチな表現を学習するために,様々な事前学習手法が提案されている。 音声と言語モジュールを協調的に事前学習するための,新しい半教師付き学習フレームワークであるSPLATを提案する。
  論文  参考訳（メタデータ） (2020-10-05T19:29:49Z)

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。