論文の概要: Priors Persist Through Suppression: A Stroop Paradigm for Lexical Override

• arxiv url: http://arxiv.org/abs/2606.07555v1
• Date: Mon, 25 May 2026 05:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.714398
• Title: Priors Persist Through Suppression: A Stroop Paradigm for Lexical Override
• Title（参考訳）: Pres Persist through Suppression: A Stroop Paradigm for Lexical Override
• Authors: Han-yu Wang,
• Abstract要約: 用語、技術的仕様、システムは、不慣れな方法で慣れ親しんだ単語を使用するように言語モデルに日常的に要求する。 これが機能すると、語彙の先行は置き換えられるのではなく、オーバーライドを通じて持続する。 我々はこれをStroopスタイルのパラダイムでテストする: クエリワードの辞書("hospital")にマッチした中立制御を持つリマッピングルール。
• 参考スコア（独自算出の注目度）: 2.892857112058156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glossaries, technical specifications, and system prompts routinely ask language models to use familiar words in unfamiliar ways. When this works, the lexical prior persists through override rather than being replaced: it continues to operate after the local rule applies, with the rule lowering its logit rather than installing the new meaning on top. We test this with a Stroop-style paradigm: a remapping rule ("doctor" means "forest") pitted against the query word's lexical-prior distractor ("hospital"), with matched neutral controls. Across 11 open-weight models spanning four families and 1B--9B parameters, lexical-prior strength predicts interference even after item-level controls for answer prior, frequency, tokenization, and prompt wording. Activation patching on five aligned models locates a source-position triplet (definition subject, definition target, query word) that nearly fully recovers the conflict effect (aggregate $R \in [0.92, 1.06]$). A definition-target swap shows the triplet performs binding rather than identity matching. Dissociation experiments isolate target preservation as the binding-specific signature: distractor suppression occurs under matched, swap, and item-mismatched conditions alike, whereas target logit collapse occurs only when the definition-target position is corrupted. Behavior and mechanism converge on the same channel: the lexical prior is where both interference originates and where override leaves its mark.
• Abstract（参考訳）: 用語、技術的仕様、システムは、不慣れな方法で慣れ親しんだ単語を使用するように言語モデルに日常的に要求する。 ローカルルールが適用されると、そのルールは、新しい意味を上部にインストールするのではなく、ロジットを下げる。 我々は、このことをStroopスタイルのパラダイムでテストする。リマッピングルール("doctor"は"forest"を意味する)は、クエリワードの語彙的プリアインタプタ("hospital")に対して、マッチした中立性制御でピットインする。 4つのファミリーと1B--9Bパラメータにまたがる11のオープンウェイトモデルにおいて、語彙と優先度の強さは、プライマリ、頻度、トークン化、プロンプトワードのアイテムレベルの制御後にも干渉を予測する。 5つの整列モデルの活性化パッチは、競合効果($R \in [0.92, 1.06]$)をほぼ完全に回復するソースポジション三重項(定義対象、定義対象、クエリワード)を特定する。 定義ターゲットスワップは、三重項がIDマッチングではなくバインディングを実行することを示す。 解離実験は、標的保存を結合特異的なシグネチャとして分離する: 障害抑制は一致、スワップ、アイテムミスマッチした条件下で起こるが、目標ロジット崩壊は定義目標位置が破損したときにのみ発生する。 振舞いとメカニズムは同じチャネルに収束する: 語彙的先行は、両方の干渉が発散し、オーバーライドがマークを残している場所である。

関連論文リスト

• When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning [60.714416943748866]
  シングルストリームの自己回帰インターフェースでは、同じトークンがモデル状態を更新し、不可逆的な公約を構成する。 そこで我々は,Side-by-Side (SxS) Interleaved Reasoningを導入する。
  論文  参考訳（メタデータ） (2026-05-05T02:59:58Z)
• Beyond Perception Errors: Semantic Fixation in Large Vision-Language Models [1.7767466724342065]
  大規模な視覚言語モデル(VLM)はよく親しみやすいセマンティックな先行概念に依存するが、既存の評価は、認識障害とルールマッピングの失敗を明確に区別するものではない。 我々は,この動作を意味的固定として検討する。プロンプトが代替の等しく有効なマッピングを指定した場合でも,デフォルトの解釈を保存する。 14個のオープンかつクローズドなVLMに対して、精度は常に標準ルールを好んでおり、ロバストなセマンティック固定ギャップが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-13T22:53:39Z)
• Triangulation as an Acceptance Rule for Multilingual Mechanistic Interpretability [0.0]
  このようなモデルに対する力学的な説明は、エンフカス標準を満たすべきであると論じる。 主張は因果的介入を生き残らなければならないし、意味を保ちながら表面が乱れる環境を横切るようにしなければならない。 我々は、相互干渉の分布に近似的な変換スコアとして配置し、実践的解釈可能性アジェンダに接続し、モデルファミリ、言語ペア、タスク間で比較実験的なプロトコルを提示することにより、因果的抽象において三角測量を基礎とする。
  論文  参考訳（メタデータ） (2025-12-31T13:03:34Z)
• Universal Adversarial Suffixes Using Calibrated Gumbel-Softmax Relaxation [9.099589602551573]
  我々は,任意の入力に付加されたユニバーサル逆接接尾辞について検討し,タスクやモデル間での精度を広く低減する。 提案手法は,Gumbel-Softmax 緩和を用いた微分可能な「ソフト」形式で接尾辞を学習し,推論のために識別する。 あるモデルで訓練された1つの接尾辞は、他のモデルに効果的に転送され、常に精度と精度の調整の両方を低下させる。
  論文  参考訳（メタデータ） (2025-12-09T00:03:39Z)
• MaxSup: Overcoming Representation Collapse in Label Smoothing [52.66247931969715]
  ラベル平滑化(LS)は、ニューラルネットワーク予測における過信を減らすために広く採用されている。 LSコンパクトは、過剰に厳密なクラスタに表現を特徴付け、クラス内の多様性を希薄にする。 正しい予測と誤予測の両方に一様正則化を適用するMax Suppression(MaxSup)を提案する。
  論文  参考訳（メタデータ） (2025-02-18T20:10:34Z)
• Definition generation for lexical semantic change detection [3.7297237438000788]
  ダイアクロニック辞書意味変化検出(LSCD)タスクにおける意味表現として,大言語モデルによって生成された文脈化された単語定義を用いる。 つまり、生成された定義を感覚として使用し、比較対象単語の変化スコアを、比較対象単語の分布を2つの期間に比較して検索する。 本手法は従来の非教師付きLSCD法と同等か優れる。
  論文  参考訳（メタデータ） (2024-06-20T10:13:08Z)
• Biomedical Named Entity Recognition via Dictionary-based Synonym Generalization [51.89486520806639]
  本研究では,入力テキストに含まれる生物医学的概念をスパンベース予測を用いて認識する,新しいSynGenフレームワークを提案する。 提案手法を広範囲のベンチマークで広範囲に評価し,SynGenが従来の辞書ベースモデルよりも顕著なマージンで優れていることを確認した。
  論文  参考訳（メタデータ） (2023-05-22T14:36:32Z)
• Efficient Zero-shot Event Extraction with Context-Definition Alignment [50.15061819297237]
  イベント抽出(EE)は、テキストから関心のあるイベント参照を特定するタスクである。 イベントタイプ名の静的な埋め込みは、1つの単語があいまいなため、十分ではないかもしれない、と私たちは主張する。 我々はZED(Zero-shot Event extract with Definition)と名付けた。
  論文  参考訳（メタデータ） (2022-11-09T19:06:22Z)
• Semantic-Preserving Adversarial Text Attacks [85.32186121859321]
  深層モデルの脆弱性を調べるために, Bigram と Unigram を用いた適応的セマンティック保存最適化法 (BU-SPO) を提案する。 提案手法は,既存手法と比較して最小の単語数を変更することで,攻撃成功率とセマンティックス率を最大化する。
  論文  参考訳（メタデータ） (2021-08-23T09:05:18Z)
• Adversarial Semantic Collisions [129.55896108684433]
  意味的衝突:意味論的に無関係だが、NLPモデルにより類似と判断されるテキストについて検討する。 我々は,意味的衝突を生成するための勾配に基づくアプローチを開発した。 パープレキシティに基づくフィルタリングを避けるために,意味的衝突を生成する方法を示す。
  論文  参考訳（メタデータ） (2020-11-09T20:42:01Z)

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。