論文の概要: HawkesLLM: Semantic Uncertainty Propagation in Agentic Text Simulation

• arxiv url: http://arxiv.org/abs/2605.23043v1
• Date: Thu, 21 May 2026 21:17:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.103722
• Title: HawkesLLM: Semantic Uncertainty Propagation in Agentic Text Simulation
• Title（参考訳）: HawkesLLM: エージェントテキストシミュレーションにおける意味的不確実性伝播
• Authors: Zewei Deng, Tinghan Ye, Liyan Xie,
• Abstract要約: エージェント・テキスト・シミュレーション・システムは、各項目が後段のコンテキストとなるように、順番に書き込む。 本稿では,テキスト生成から時間的影響モデリングを分離するフレームワークであるHawksLLMを用いて,この問題を考察する。
• 参考スコア（独自算出の注目度）: 6.741852800770004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic text-simulation systems write in sequence, with each item becoming possible context for later steps. That makes uncertainty path-dependent: an early ambiguity can affect later outputs. This paper studies this problem with HawkesLLM, a framework that separates temporal influence modeling from text generation. We represent the cascade as a network whose nodes are text-generating agents. A multivariate Hawkes process models how these nodes activate over time and which earlier node outputs should influence later prompts. A language model then writes each new event from the compact memory selected by this temporal model. We evaluate the framework on a held-out Global Database of Events, Language, and Tone (GDELT) news-cascade case study. The diagnostics track semantic alignment with local held-out references and separate local drift from global drift. In this setting, HawkesLLM improves late-stage semantic alignment under a compact prompt-memory budget.
• Abstract（参考訳）: エージェント・テキスト・シミュレーション・システムは、各項目が後段のコンテキストとなるように、順番に書き込む。 初期の曖昧さは後続のアウトプットに影響を与える可能性がある。 本稿では,テキスト生成から時間的影響モデリングを分離するフレームワークであるHawksLLMを用いて,この問題を考察する。 我々は、カスケードを、ノードがテキスト生成エージェントであるネットワークとして表現する。 多変量ホークスプロセスは、これらのノードが時間とともに活性化し、どのノード出力が後続のプロンプトに影響を与えるべきかをモデル化する。 言語モデルは、この時間モデルによって選択されたコンパクトメモリから、それぞれ新しいイベントを書き込む。 本稿では,GDELT(Global Database of Events, Language, and Tone)ニュースカスケードケーススタディについて検討する。 診断は、局所的な保持された参照とのセマンティックアライメントを追跡し、グローバルなドリフトから局所的なドリフトを分離する。 この設定では、HawkeysLLMは、コンパクトなプロンプトメモリ予算の下で、後期のセマンティックアライメントを改善する。

関連論文リスト

• Idea-Gated Transformers: Enforcing Semantic Coherence via Differentiable Vocabulary Pruning [0.40611352512781856]
  本稿では,セマンティックプランニングと構文生成を分離した新しいアーキテクチャであるIdean-Gated Transformerを紹介する。 本稿では,意味的に無関係なトークンを抑え,検索空間をリアルタイムで効果的に刈り取る,微分可能なゲーティング機構を提案する。
  論文  参考訳（メタデータ） (2025-12-03T01:17:07Z)
• BRIDGE: Bootstrapping Text to Control Time-Series Generation via Multi-Agent Iterative Optimization and Diffusion Modeling [51.830134409330704]
  時系列生成(TSG、Time-Series Generation)は、シミュレーション、データ拡張、および反事実分析に広く応用された、顕著な研究分野である。 我々は、テキストが意味的な洞察、ドメイン情報、インスタンス固有の時間パターンを提供し、TSGをガイドし改善することができると論じている。 BRIDGEはテキスト制御型TSGフレームワークで,テキスト記述とセマンティックプロトタイプを統合し,ドメインレベルのガイダンスをサポートする。
  論文  参考訳（メタデータ） (2025-03-04T09:40:00Z)
• Unlocking Multi-Modal Potentials for Link Prediction on Dynamic Text-Attributed Graphs [28.533930417703715]
  Dynamic Text-Attributed Graphs (DyTAGs)は、リッチテキスト属性とともに進化する時間的イベント(エッジ)をキャプチャする新しいグラフパラダイムである。 MoMentは、リンク予測のためのノード表現を学習するために、各モードを明示的にモデル化し、統合し、調整するマルチモーダルモデルである。 実験の結果、MoMentは最大17.28%の精度向上を実現し、8つのベースラインに対して最大31倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2025-02-27T00:49:44Z)
• PICASO: Permutation-Invariant Context Composition with State Space Models [98.91198288025117]
  State Space Models (SSM) は、コンテキストのデータベースを固定次元の状態にマッピング可能にすることで、有望なソリューションを提供する。 本研究では,SSM力学から導かれる単純な数学的関係を,生のコンテキストトークンの連結効果を効率的に近似する複数の状態に構成する。 我々は,WikiText と MSMARCO をゼロショットと微調整の両方で評価し,平均5.4倍のスピードアップを楽しみながら最強の演奏ベースラインと一致できることを示す。
  論文  参考訳（メタデータ） (2025-02-24T19:48:00Z)
• SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
  私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。 このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。 そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
  論文  参考訳（メタデータ） (2023-12-02T07:40:21Z)
• An Interleaving Semantics of the Timed Concurrent Language for Argumentation to Model Debates and Dialogue Games [0.0]
  エージェント間の同時相互作用をモデル化する言語を提案する。 このような言語は、エージェントが彼らの信念の受容可能性についてコミュニケーションし、推論するために使用する共有メモリを利用する。 知的エージェント間で行われる議論や対話ゲームのようなインタラクションをモデル化するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2023-06-13T10:41:28Z)
• Hypotheses Tree Building for One-Shot Temporal Sentence Localization [53.82714065005299]
  ワンショット時間文のローカライゼーション(ワンショットTSL)は、1つの注釈付きフレームだけでビデオ全体のクエリ情報を取得することを学習する。 我々はMHST(Multiple hypotheses Segment Tree)と呼ばれるワンショットTSLのための有効で斬新な木構造ベースラインを提案する。 MHSTは、不十分なアノテーションの下で、クエリ対応の識別フレーム情報をキャプチャする。
  論文  参考訳（メタデータ） (2023-01-05T01:50:43Z)
• Retrieve-and-Fill for Scenario-based Task-Oriented Semantic Parsing [110.4684789199555]
  シナリオベースのセマンティックパーシングを導入し、最初に発話の「scenario」を曖昧にする必要がある元のタスクの変種を紹介します。 この定式化により、タスクの粗くきめ細かな側面を分離することが可能となり、それぞれがオフザシェルフニューラルネットワークモジュールで解決される。 私たちのモデルはモジュール化され、差別化可能で、解釈可能で、シナリオから余分な監督を得られるようになります。
  論文  参考訳（メタデータ） (2022-02-02T08:00:21Z)
• STAGE: Tool for Automated Extraction of Semantic Time Cues to Enrich Neural Temporal Ordering Models [4.6150532698347835]
  我々は,時系列を自動的に抽出し,それらをニューラルモデルとの統合に適した表現に変換するシステムSTAGEを開発した。 2つのイベントオーダーデータセットで有望な結果を実証し、セマンティックキュー表現と将来の研究の統合における重要な問題を強調します。
  論文  参考訳（メタデータ） (2021-05-15T23:34:02Z)
• Time-Stamped Language Model: Teaching Language Models to Understand the Flow of Events [8.655294504286635]
  我々はこの課題を質問応答問題として定式化することを提案する。 これにより、手続き的テキスト理解に適応することで、他のQAベンチマークで事前訓練された言語モデルを使用することができる。 Proparaデータセットで評価したモデルでは、F1スコアが3.1%上昇した状態での公開結果の改善が示されている。
  論文  参考訳（メタデータ） (2021-04-15T17:50:41Z)

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。