論文の概要: Narrative Landscape: Mapping Narrative Dispositions Across LLMs

• arxiv url: http://arxiv.org/abs/2605.08742v1
• Date: Sat, 09 May 2026 07:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.8534
• Title: Narrative Landscape: Mapping Narrative Dispositions Across LLMs
• Title（参考訳）: ナラティブランドスケープ:LLM全体のナラティブな配置をマッピングする
• Abstract要約: 我々は,Jaccard類似性による重複度を計測した「一貫性」と,逆シンプソン指数によるオプション間の分散として測定した「多様性」の2つの次元で分散を運用する。 その結果、モデルファミリ間の明確な剛性探索スペクトルが明らかとなり、スカラー計量が類似しているとしても、命令型が選択空間の幾何学をシフトすることを示した。
• 参考スコア（独自算出の注目度）: 0.7833043261515886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes a quantitative framework for profiling LLM dispositions as stable, model-specific regularities in output under repeated, controlled elicitation. Using a structured narrative constraint-selection task administered across six frontier models and three instruction types, we operationalize disposition through two dimensions: "consistency", measured as cross-replication selection overlap via Jaccard similarity, and "diversity", measured as dispersion across options via the inverse Simpson index. We further introduce Narrative Landscape, a PCA-based visualization that maps each model's selection profile into a shared space for direct comparison. Results reveal a clear rigidity-exploration spectrum across model families and show that instruction types shift the geometry of selection spaces even when scalar metrics appear similar, indicating that comparable scores can mask qualitatively distinct selection topologies.
• Abstract（参考訳）: 本研究は, LLMの分布を連続的, 制御された誘電下での出力の安定, モデル固有規則性としてプロファイリングするための定量的枠組みを提案する。 本研究では,6つのフロンティアモデルと3つの命令型にまたがる構造的制約選択タスクを用いて,Jaccardの類似性による相互複製選択の重なりとして測定された「一貫性」と,逆シンプソン指数によるオプション間の分散として測定された「多様性」の2つの次元を通して,配置を運用する。 さらに,PCAをベースとしたナラティブランドスケープ(Narrative Landscape)を導入し,各モデルの選択プロファイルを共有空間にマッピングして直接比較する。 その結果、モデルファミリ間の明確な剛性探索スペクトルが示され、スカラー測度が類似している場合でも、命令型が選択空間の幾何学をシフトすることを示し、同等のスコアが定性的に異なる選択位相をマスクできることを示した。

関連論文リスト

• What They Saw, Not Just Where They Looked: Semantic Scanpath Similarity via VLMs and NLP metric [50.699179933343686]
  視覚言語モデルと視線追跡分析を統合した意味的スキャンパス類似性フレームワークを提案する。 意味的類似性は、埋め込みベースおよび語彙的NLPメトリクスを使用して計算される。 自由視眼球追跡データの実験では、意味的類似性は幾何学的アライメントから部分的に独立なばらつきを捉えていることが示されている。
  論文  参考訳（メタデータ） (2026-04-09T17:36:22Z)
• Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance [92.72779885657373]
  本稿では,視覚エンコーダの内部関数力学におけるモデル選択の基盤となるフレームワークを提案する。 提案手法は,各タスクをレイヤワイドコンダクタンスにより表現し,エントロピー正規化アライメントによる目標条件付きブロック重要度分布を導出する。 そこで本研究では,DCD(Directional Conductance Divergence)という,ソースタスクが対象の機能ブロックをいかに効果的にカバーするかを定量化する非対称な指標を提案する。
  論文  参考訳（メタデータ） (2026-02-01T17:29:43Z)
• Kernel Alignment-based Multi-view Unsupervised Feature Selection with Sample-level Adaptive Graph Learning [23.32756750343138]
  我々は,これらの問題に対処するために,サンプルレベル適応グラフ lEarning 法 (KAFUSE) を用いたカーネルアライメントに基づくマルチビュー非教師付きFeatUre選択を提案する。 実際のマルチビューデータセットの実験は、最先端の手法よりもKAFUSEの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-01-12T07:50:51Z)
• Towards an Explainable Comparison and Alignment of Feature Embeddings [8.056359341994941]
  本研究では,組込みの比較を行うSPECフレームワークを提案し,参照データセットのクラスタリングにおける差を識別する。 本稿では、このカーネルベースのアプローチをスケーラブルに実装し、サンプルサイズとともに線形に成長する計算複雑性について述べる。 画像ネットやMS-COCOのような大規模データセット上での埋め込みの比較と整列を行うSPECの適用例を示す数値的な結果を提供する。
  論文  参考訳（メタデータ） (2025-06-06T16:50:37Z)
• Contributing Dimension Structure of Deep Feature for Coreset Selection [26.759457501199822]
  Coreset selectionは、効率的な学習のための重要なトレーニングサンプルのサブセットを選択することを目指している。 サンプル選択は、パフォーマンス向上におけるサンプルの表現と、オーバーフィッティングを回避するためのサンプルの多様性の役割である。 既存の手法は典型的には類似度の測定値に基づいてデータの表現と多様性を計測する。
  論文  参考訳（メタデータ） (2024-01-29T14:47:26Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Approximating Intersections and Differences Between Linear Statistical Shape Models Using Markov Chain Monte Carlo [5.8691349601057325]
  本稿では,2つの線形SSMを高密度対応で比較する手法を提案する。 マルコフ連鎖モンテカルロを用いて交叉空間に横たわる形状の分布を近似する。 本稿では,交差空間の計算と解析と,利用可能な顔モデルの違いにより,提案アルゴリズムを定性的に示す。
  論文  参考訳（メタデータ） (2022-11-29T15:54:34Z)
• Partial Shape Similarity via Alignment of Multi-Metric Hamiltonian Spectra [10.74981839055037]
  そこで本研究では, 形状の類似した領域に適合する新しい公理的手法を提案する。 類似した領域のマッチングは、ラプラス・ベルトラミ作用素(LBO)と密接に関連する作用素のスペクトルのアライメントとして定式化される これらのデュアルスペクトルのマッチングは、標準ベンチマークでテストした場合、競合する公理的フレームワークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-07T00:03:50Z)
• Linear Connectivity Reveals Generalization Strategies [54.947772002394736]
  微調整されたモデルのいくつかは、それらの間の線形経路における損失を増大させる大きな障壁を持つ。 テスト損失面上で線形に接続されているが、クラスタ外のモデルから切り離されている異なるモデルのクラスタが見つかる。 我々の研究は、損失面の幾何学がモデルを異なる関数へと導く方法を示している。
  論文  参考訳（メタデータ） (2022-05-24T23:43:02Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-11T03:25:25Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)

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。