論文の概要: Reasoning as Pattern Matching: Shared Mechanisms in Human and LLM Everyday Reasoning

• arxiv url: http://arxiv.org/abs/2606.13607v2
• Date: Sat, 13 Jun 2026 20:58:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 13:45:31.213758
• Title: Reasoning as Pattern Matching: Shared Mechanisms in Human and LLM Everyday Reasoning
• Title（参考訳）: パターンマッチングとしての推論:人間とLLMにおける共有メカニズム
• Authors: Zach Studdiford, Gary Lupyan,
• Abstract要約: 大規模言語モデル(LLM)は推論において一般化またはハファザードエラーを発生させるのに失敗する。 人間の行動は、人間の推論が原則的および抽象的世界モデルを使用するため、同じタイプの失敗を示さないことが示唆される。 各種の日常生活状況に関する常識的推論を行う能力について, 被験者25名, LLM25名について検討した。
• 参考スコア（独自算出の注目度）: 0.13368662482451263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When large language models (LLMs) fail to generalize or make haphazard errors in reasoning, it is often taken as evidence that LLMs are not truly reasoning, but rather performing a kind of pattern matching. The implication is that people's behavior does not exhibit the same types of failures because human reasoning uses principled and abstract world models. We evaluate human participants and 25 LLMs on their ability to engage in common-sense reasoning about a variety of everyday situations and observe similar patterns of errors in both people and models. We then identify the set of attention heads driving LLM responses and find that these heads implement a form of pattern-matching. These attention heads allow us to predict seemingly inexplicable reasoning errors in people caused by ostensibly irrelevant prompt details. Taken together, our results suggest that everyday causal reasoning in people and LLMs is more consistent with a form of pattern-matching than with abstract world models.
• Abstract（参考訳）: 大規模言語モデル(LLM)が推論において一般化またはハファザードな誤りを犯さない場合、LLMが真の推論ではなく、ある種のパターンマッチングを実行するという証拠としてしばしば用いられる。 人間の行動は、人間の推論が原則的および抽象的世界モデルを使用するため、同じタイプの失敗を示さないことが示唆される。 我々は,人間と25個のLDMを,様々な日常的状況に関する常識的推論に携わる能力について評価し,人間とモデルの両方で類似したエラーパターンを観察した。 次に、LCM応答を駆動する注目ヘッドのセットを特定し、これらのヘッドがパターンマッチングの形式で実装されていることを確認する。 これらの注目は、一見無関係なプロンプトの詳細によって引き起こされる人々の説明不能な推論エラーを予測できる。 この結果から,人やLSMの日常的因果推論は,抽象的世界モデルよりもパターンマッチングの形式と一致していることが示唆された。

関連論文リスト

• Can Reasoning Help Large Language Models Capture Human Annotator Disagreement? [84.32752330104775]
  ヒトのアノテーションの変化(つまり不一致)は、NLPでは一般的である。 異なる推論条件が大言語モデルの不一致モデルに与える影響を評価する。 意外なことに、RLVRスタイルの推論は不一致モデリングにおいて性能を低下させる。
  論文  参考訳（メタデータ） (2025-06-24T09:49:26Z)
• Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
  世界の知識と論理的推論の相互作用について検討する。 最先端の大規模言語モデル(LLM)は、しばしば表面的な一般化に依存している。 タスクの単純な再構成により、より堅牢な推論行動が引き起こされることを示す。
  論文  参考訳（メタデータ） (2024-10-31T12:48:58Z)
• (Ir)rationality and Cognitive Biases in Large Language Models [2.9008806248012333]
  認知心理学文献からのタスクを用いた7つの言語モデルの評価を行った。 人間と同じく、LLMはこれらのタスクに不合理性を示す。 これらのタスクに対してLLMによって誤った答えが与えられる場合、それらはしばしば人間のようなバイアスとは異なる方法で間違っている。
  論文  参考訳（メタデータ） (2024-02-14T14:17:21Z)

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。