論文の概要: Beyond Hooking Onto the World: Referential Profiles and the Numerical Structure of LLM Grounding

• arxiv url: http://arxiv.org/abs/2606.21195v1
• Date: Fri, 19 Jun 2026 08:06:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 07:32:21.79489
• Title: Beyond Hooking Onto the World: Referential Profiles and the Numerical Structure of LLM Grounding
• Title（参考訳）: 世界へのHooking on the world: Referential Profiles and the Numerical Structure of LLM Grounding
• Authors: Joo Yull Rhee,
• Abstract要約: 私は古典的記号接地からベクトル接地へのシフトを受け入れるが、現在の議論は2つの点で不完全であると主張する。 むしろ、参照はプロファイルベースで、コンテキストに敏感で、談話レベル、感情的に形作られ、規範的に支配されている、と私は主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper revisits the grounding problem for large language models in light of recent vector-grounding accounts. I accept the shift from classical symbol grounding to vector grounding, but argue that the current debate remains incomplete in two respects. First, reference is often treated too thinly, as if it were a fixed link between an isolated expression and an object. I argue instead that reference is profile-based, context-sensitive, discourse-level, affectively shaped, and norm-governed. Even in the human case, reference is publicly stabilized through patterns of use, correction, distinction, inference, and continuation rather than through identical private representations. Second, vector grounding requires an account of numerical realization. LLMs do not acquire reference through human perception, memory, intention, embodiment, or understanding. Rather, through optimization, they parameterize linguistic traces of human world-directed practice. In a finite vector system, referential profiles must be distributed, may be superposed, and are recovered through context-sensitive computation. Weights, activations, attention-mediated hidden states, softmax-trained contrasts, and inner-product alignments are the mathematical sites at which inherited linguistic relations become stable and causally active. Mechanistic interpretability findings, including entity-like features, knowledge neurons, and emotion-related activation directions, provide indirect support for this view. They do not show that LLMs possess human reference. They support a more limited thesis: LLMs may possess derivative, language-mediated, profile-based, and numerically structured forms of reference.
• Abstract（参考訳）: 本稿では,近年のベクトルグラウンドを考慮した大規模言語モデルの基盤問題を再検討する。 私は古典的記号接地からベクトル接地へのシフトを受け入れるが、現在の議論は2つの点で不完全であると主張する。 第一に、参照はしばしば、分離された式とオブジェクトの間の固定されたリンクであるかのように、薄く扱われる。 むしろ、参照はプロファイルベースで、コンテキストに敏感で、談話レベル、感情的に形作られ、規範的に支配されている、と私は主張する。 人間の場合においても、参照は同一のプライベート表現ではなく、使用パターン、修正パターン、区別パターン、推論パターン、継続パターンによって公に安定化される。 第二に、ベクトル接地は数値的な実現のために必要である。 LLMは人間の知覚、記憶、意図、体現、理解を通じて参照を取得しない。 むしろ、最適化によって、人間の世界指向の実践の言語的痕跡をパラメータ化する。 有限ベクトル系では、参照プロファイルは分散され、重畳され、文脈に敏感な計算によって復元される。 ウェイト、アクティベーション、注意を介する隠れ状態、ソフトマックス訓練されたコントラスト、および内積アライメントは、遺伝する言語関係が安定し、因果的に活発になる数学的場所である。 実体のような特徴、知識ニューロン、感情に関連した活性化方向を含む機械的解釈可能性の発見は、この視点を間接的に支持する。 彼らはLLMが人間の参照を持っていることを示さない。 LLMは派生的、言語に依存し、プロファイルベース、数値的に構造化された参照形式を持つ。

関連論文リスト

• Data, Not Model: Explaining Bias toward LLM Texts in Neural Retrievers [76.92519309816008]
  近年の研究では、ニューラルレトリバーは、人間が書いたものよりもLSMが生成する経路を優先して、ソースバイアスをしばしば示している。 このバイアスはレトリバーの固有の欠陥と考えられており、現代の情報アクセスシステムの公平性と信頼性に関する懸念を提起している。 我々の研究は、ソースバイアスがモデル自体ではなく、検索データセットの監督に起因していることを示すことで、この見解に挑戦する。
  論文  参考訳（メタデータ） (2026-04-07T17:57:07Z)
• Seeing to Act, Prompting to Specify: A Bayesian Factorization of Vision Language Action Policy [59.44168425139687]
  BayesVLA(ベイズVLA)は、前もってポリシーを視覚的アクションに分解し、ルック・トゥ・アクティベーションと言語条件付き可能性をサポートし、即時特定を可能にするベイズ因子化である。 実験は、既存の方法と比較して、目に見えない命令、オブジェクト、環境に対して優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-12-12T01:59:23Z)
• Computation Mechanism Behind LLM Position Generalization [59.013857707250814]
  大規模言語モデル(LLM)は、テキストの位置を扱う際の柔軟性を示す。 彼らは位置摂動のあるテキストを理解し、より長いテキストに一般化することができる。 この研究は言語現象とLLMの計算機構を結びつける。
  論文  参考訳（メタデータ） (2025-03-17T15:47:37Z)
• Tokens, the oft-overlooked appetizer: Large language models, the distributional hypothesis, and meaning [29.745218855471787]
  トークン化は多くの言語モジュールの現在のアーキテクチャにおいて必要なコンポーネントである。 トークン化は、合理的な人間的な言語のパフォーマンスに必要である、と我々は主張する。 本稿では,建築的選択,すなわち構成,思考のための言語の優越性について論じる。
  論文  参考訳（メタデータ） (2024-12-14T18:18:52Z)
• A Glitch in the Matrix? Locating and Detecting Language Model Grounding with Fakepedia [57.31074448586854]
  大規模言語モデル(LLM)は、そのコンテキストで提供される新しい情報を引き出すという印象的な能力を持つ。 しかし、この文脈的基盤のメカニズムはいまだに不明である。 本稿では,Fakepedia を用いたグラウンドディング能力の研究手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T17:35:42Z)
• How Abstract Is Linguistic Generalization in Large Language Models? Experiments with Argument Structure [2.530495315660486]
  本研究では,事前学習したトランスフォーマーに基づく大規模言語モデルがコンテキスト間の関係を表現する程度について検討する。 LLMは、関連する文脈間の新しい名詞引数の分布を一般化する上で、よく機能することがわかった。 しかし、LCMは事前学習中に観測されていない関連するコンテキスト間の一般化に失敗する。
  論文  参考訳（メタデータ） (2023-11-08T18:58:43Z)

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。