論文の概要: The Echo Amplifies the Knowledge: Somatic Marker Analogues in Language Models via Emotion Vector Re-Injection

• arxiv url: http://arxiv.org/abs/2605.08611v1
• Date: Sat, 09 May 2026 02:12:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.769903
• Title: The Echo Amplifies the Knowledge: Somatic Marker Analogues in Language Models via Emotion Vector Re-Injection
• Title（参考訳）: エコーは知識を増幅する:感情ベクトル再注入による言語モデルにおけるソマティックマーカーの対話
• Abstract要約: 現在の言語モデルメモリシステムは、それがどう感じたかではなく、何が起こったのかを記憶している。 ダマシオは、無知ながら感情的なマーカーが欠如している人間が意思決定に障害があることを実証した。 経験中に特徴的感情ベクトルを構築し,リコール時に部分的に再注入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current language model memory systems store what happened but not how it felt. This distinction -- between semantic memory (knowing about a past event) and episodic memory (re-experiencing it) -- was identified by Tulving as the difference between noetic and autonoetic consciousness. Damasio demonstrated that humans with intact knowledge but absent emotional markers exhibit impaired decision-making. We bridge this gap for language models. Using Gemma 3 1B-IT with pretrained Gemma Scope 2 sparse autoencoders, we identify 310 emotion-exclusive features at layer 22 with psychologically valid geometry. We construct distinctive-feature emotion vectors during experience and partially re-inject them during recall, triggered by context similarity at layer 7. We test four conditions paralleling Damasio's framework: A (no memory), B (semantic labels), C (emotion echo), and BC (semantic + echo). For emotional orientation, the echo alone steepens the threat-safety gradient: the regression slope of threat rating on contextual similarity is 0.80 for C vs 0.56 for A ($p$=0.011, permutation test). For decisions, the echo amplifies knowledge into action: BC=80% good choices vs B=52% ($z$=+2.60, $p$<0.01), while the echo alone has no effect (C=22%, n.s.). The echo changes how the model feels independently, but changes what it does only when combined with knowledge -- replicating Damasio's core finding. The echo amplifies knowledge. It does not replace it.
• Abstract（参考訳）: 現在の言語モデルメモリシステムは、それがどう感じたかではなく、何が起こったのかを記憶している。 このセマンティックメモリ(過去の出来事について知る)とエピソードメモリ(再経験する)の区別は、Tulving氏によって、ノイズと自律的意識の違いとして認識された。 ダマシオは、無知ながら感情的なマーカーが欠如している人間が意思決定に障害があることを実証した。 このギャップを言語モデルに橋渡しします。 Gemma 3 1B-ITとGemma Scope 2のスパースオートエンコーダを用いて,22層における感情排他的特徴を心理的に有効な幾何学を用いて同定した。 経験中に特徴的感情ベクトルを構築し、7層でコンテキスト類似性によってリコール時に部分的に再注入する。 A(メモリなし)、B(セマンティックラベル)、C(感情エコー)、B(感情エコー)の4つの条件を並列にテストする。 文脈的類似性に対する脅威評価の回帰勾配は、Cは0.80、Aは0.56である(p$=0.011、置換テスト)。 BC=80%良い選択対B=52%(z$=+2.60, $p$<0.01)、エコーだけでは効果がない(C=22%, n.s.)。 エコーはモデルが独立してどのように感じるかを変えるが、知識と組み合わせることでのみ、その動作が変わる。 エコーは知識を増幅する。 置き換えはしない。

関連論文リスト

• Titans-as-a-Layer: Test-Time Memory for Conversational Speech Emotion Recognition [11.240427393015034]
  テスト時ニューラルメモリは、大きなオーディオ言語モデルをバックボーンに残しながら、この不足したコンテキストを供給できるかどうかを調査する。 我々は,対話履歴を小さなニューラルメモリに書き込むための,プラグアンドプレイ型メモリ・アズ・ア・レイヤ(MAL)アダプタを導入し,オーディオトーケンに整合した残差更新として読み返す。
  論文  参考訳（メタデータ） (2026-06-07T11:07:30Z)
• The False Resonance: A Critical Examination of Emotion Embedding Similarity for Speech Generation Evaluation [66.28943752785906]
  感情的表現力の客観的指標は、特に表現的合成と音声変換において、音声生成に不可欠である。 言語や話者の変動にもかかわらず感情的な手がかりを捉えていると仮定して、感情2vecのようなエンコーダからの埋め込みのコサイン類似性を計算する。 分類精度が高いにもかかわらず、これらの潜伏空間はゼロショット類似性評価には適さない。
  論文  参考訳（メタデータ） (2026-04-29T06:59:48Z)
• AIPsy-Affect: A Keyword-Free Clinical Stimulus Battery for Mechanistic Interpretability of Emotion in Language Models [0.0]
  AIPsy-Affect(エイプシー・アフエフェクト)は480イテムの臨床刺激電池で、刺激レベルのコンファウンドを除去する。 線形プローブ、アクティベーションパッチ、SAE特徴解析、因果アブレーション、ステアリングベクトル抽出をサポートする。
  論文  参考訳（メタデータ） (2026-04-26T14:03:55Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)
• Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
  本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。 人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。 本モデルは感情分布予測のための感情情報表現を学習する。
  論文  参考訳（メタデータ） (2026-02-24T04:11:25Z)
• ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
  ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。 ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。 ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
  論文  参考訳（メタデータ） (2026-02-13T08:33:37Z)
• Understanding Emotion in Discourse: Recognition Insights and Linguistic Patterns for Generation [0.36980845568339205]
  認識のための10シード評価を併用した厳格なアブレーション試験を行った。 言語分析では,5,286件の談話マーカーを解析する。 感情とマーカー位置の有意な関連性を見いだす。
  論文  参考訳（メタデータ） (2026-01-01T02:49:44Z)
• HEMA : A Hippocampus-Inspired Extended Memory Architecture for Long-Context AI Conversations [0.0]
  大規模言語モデル(LLM)は、数百回に及ぶ会話におけるコヒーレンスを維持するのに苦労する。 本稿では,人間の認知プロセスにインスパイアされたデュアルメモリシステムであるHEMAを紹介する。 10Kインデックスのチャンクでは、ベクトルメモリはP@5 >= 0.80 と R@50 >= 0.74 を達成し、精度-リコール曲線の下で領域を2倍にする。
  論文  参考訳（メタデータ） (2025-04-23T14:27:12Z)
• learning discriminative features from spectrograms using center loss for speech emotion recognition [62.13177498013144]
  本稿では,感情認識のための可変長スペクトログラムから識別特徴を学習するための新しい手法を提案する。 ソフトマックスのクロスエントロピー損失は、異なる感情カテゴリの特徴を分離可能とし、センターロスは、同じ感情カテゴリに属する特徴をその中心に効率的に引き出す。
  論文  参考訳（メタデータ） (2025-01-02T06:52:28Z)
• Can We Treat Noisy Labels as Accurate? [87.23815842898722]
  ノイズラベルは、機械学習モデルの精度と一般化を著しく妨げている。 ノイズラベルからの学習におけるパラダイムシフトであるEchoAlignを提案する。 30%のインスタンス依存ノイズの下では、EchoSelectは以前の方法と比較して、正しくラベル付けされたサンプルの約2倍の数を保持している。
  論文  参考訳（メタデータ） (2024-05-21T17:49:10Z)
• Neutral Utterances are Also Causes: Enhancing Conversational Causal Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
  Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。 感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
  論文  参考訳（メタデータ） (2022-05-02T09:12:32Z)
• x-vectors meet emotions: A study on dependencies between emotion and speaker recognition [38.181055783134006]
  話者認識のために学習した知識は、伝達学習を通じて感情認識に再利用可能であることを示す。 感情認識では,単純な線形モデルを用いることで,事前学習モデルから抽出した特徴の良好な性能が得られることを示す。 本稿では,感情が話者の検証に及ぼす影響について述べる。
  論文  参考訳（メタデータ） (2020-02-12T15:13:07Z)

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。