論文の概要: OracleAnalyser: Analysing Implicit Semantics of Oracle Bone Scripts through MLLMs with Post-training
- arxiv url: http://arxiv.org/abs/2606.25906v1
- Date: Wed, 24 Jun 2026 14:54:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.361525
- Title: OracleAnalyser: Analysing Implicit Semantics of Oracle Bone Scripts through MLLMs with Post-training
- Title（参考訳）: OracleAnalyser: ポストトレーニングによるMLLMによるOracle Boneスクリプトの暗黙のセマンティクスの分析
- Abstract要約: 本稿では,オラクルAnalyserを提案する。
我々は,Qwen2.5-VL-3B-インストラクトを複数の後学習段階を通して微調整し,新しい選好最適化アルゴリズムを導入する。
さらに, 骨推定データセットと骨選好データセットをそれぞれリリースし, さらに, 骨鑑定のためのモデルの解析能力を評価するための新しいベンチマークを構築した。
- 参考スコア（独自算出の注目度）: 31.789004654180502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advancement of artificial intelligence, research on oracle bone scripts has entered a new era. However, existing methods and benchmarks remain largely confined to recognition tasks, overlooking the equally crucial aspect of oracle bone analysis. To address this gap, we propose OracleAnalyser, a reasoning framework for oracle bone analysis based on post-training techniques. Specifically, we fine-tune Qwen2.5-VL-3B-Instruct through multiple post-training stages and introduce a new preference optimization algorithm, Stable Focal Preference Optimization (SFPO), tailored to the characteristics of oracle bone datasets. In addition, we release both an oracle bone reasoning dataset and an oracle bone preference dataset, and further construct a new benchmark to evaluate models' analytical capabilities for oracle bone scripts. Extensive experiments validate the superior analytical performance of OracleAnalyser, which achieves remarkable results with only 3B parameters, surpassing models with substantially larger scales.
- Abstract（参考訳）: 人工知能の進歩により、オラクルの骨の文字の研究は新しい時代に入った。
しかし、既存の方法やベンチマークは認識タスクに限られており、オラクルの骨分析の等しく重要な側面を見下ろしている。
このギャップに対処するため,OracleAnalyserを提案する。
具体的には、複数の訓練段階を経てQwen2.5-VL-3B-インストラクションを微調整し、オラクル骨のデータセットの特徴に合わせて、新しい選好最適化アルゴリズム(SFPO)を導入する。
さらに, 骨推定データセットと骨選好データセットをそれぞれリリースし, さらに, 骨鑑定のためのモデルの解析能力を評価するための新しいベンチマークを構築した。
大規模な実験により、OracleAnalyserの優れた解析性能が検証された。
関連論文リスト
- SkillLift: Learning Dense Rubrics from Sparse Oracles for Efficient Skill Evolution [2.429897021787139]
LLMをベースとしたエージェントは、再利用可能な手続き的プロンプトという永続的なスキルに依存して、重み付けをせずに適応するようになっている。
既存のスキル自己進化手法は、実行フィードバックに基づいて、スキルテキストを直接修正するが、各オラクル評価には完全なエージェントロールアウトが必要である。
SkillLiftを提案する。これは、オラクルの整列したルーリックを構造化評価空間として学習することで、オラクルのコストからスキル検索を分離するものである。
複雑なエージェントタスクベンチマーク実験により,提案手法は,フロンティア進化手法と比較して,トークンコストを40～70%低減した既存のオートスキル手法よりも優れていた。
論文 参考訳（メタデータ） (2026-09-14T11:30:23Z) - AlphaOracle: Oracle bone script decipherment via human-workflow-inspired deep learning [74.08626949007903]
4,500文字の骨文字(OBS)の約3,000文字は、断片的な碑文とまばらな証拠のために解読されていない。
我々は、これまでで最大のデジタルコーパスを使用してOBS解読を体系化する、ヒューマンワークフローにインスパイアされたAlphaOracleを紹介した。
論文 参考訳（メタデータ） (2026-07-20T11:46:00Z) - OracleProto: A Reproducible Framework for Benchmarking LLM Native Forecasting via Knowledge Cutoff and Temporal Masking [17.407881336351597]
OracleProtoは、大規模言語モデルのネイティブ予測機能を評価するためのフレームワークである。
モデルカットオフ整列サンプルの入場、ツールレベルの時間マスキング、コンテンツレベルの漏洩検出、解答正規化、階層的スコアリングを組み合わせることで、解決した事象を時間境界予測サンプルに再構成する。
公平なクロスモデル比較のための統一インターフェースと、下流SFTとRLのための制御信号源を提供する。
論文 参考訳（メタデータ） (2026-05-05T13:50:50Z) - Programmatic Context Augmentation for LLM-based Symbolic Regression [65.01826333382738]
大規模言語モデル(LLM)に基づく進化的探索手法が記号回帰に導入されている。
本稿では,プログラム的文脈拡張を取り入れたLLMに基づく進化的検索フレームワークを提案する。
本手法では,データ解析と情報信号抽出を積極的に行うことができる。
論文 参考訳（メタデータ） (2026-05-04T19:34:03Z) - Reducing Oracle Feedback with Vision-Language Embeddings for Preference-Based RL [18.45416397753188]
ROVEDは、VLEベースの監視とターゲットとするオラクルフィードバックを組み合わせたハイブリッドフレームワークである。
提案手法では,VLEを用いてセグメントレベルの嗜好を生成し,不確実性の高いサンプルのみをオラクルにフェールさせる。
複数のロボット操作タスクにまたがって、ROVEDは事前の嗜好ベースのメソッドにマッチまたは超過し、オラクルクエリを最大80%削減する。
論文 参考訳（メタデータ） (2026-03-30T05:33:55Z) - Oracle-Robust Online Alignment for Large Language Models [47.93998073262631]
本研究では,大規模言語モデルのオンラインアライメントについて,不特定な選好フィードバックの下で検討する。
本稿では,この問題におけるポイントワイズなオラクルの不確実性を導入し,オラクル・ロバストなオンラインアライメントの目的を定式化する。
対数線形ポリシーでは、この頑健な目的が元の損失関数への正確な閉形式分解と明示的な感度のペナルティを許容していることが示される。
論文 参考訳（メタデータ） (2026-02-24T01:33:35Z) - Necessary and Sufficient Oracles: Toward a Computational Taxonomy For Reinforcement Learning [28.184175745050474]
本稿では,教師付き学習オラクルの選択が強化学習アルゴリズムの計算複雑性に与える影響について検討する。
まず、標準的なエピソード・アクセス・モデルにおいて、2コンテキスト回帰を最小のオラクルとみなす。
第二に、より強いリセットアクセスモデルにおいて、一文回帰を最小に近いオラクルとみなす。
第3に、我々はLow-Rank MDPに焦点を絞り、Block MDP設定の類似のオラクルが不十分であることを示す暗号的証拠を与えます。
論文 参考訳（メタデータ） (2025-02-12T18:47:13Z) - Oracle Bone Inscriptions Multi-modal Dataset [58.20314888996118]
オラクルの骨碑文(Oracle bone inscriptions, OBI)は中国最古の書記体系であり、初期の上海の歴史や古史の貴重な実例を記している。
本稿では,10,077個のオラクル骨の注釈情報を含むOracle Bone Inscriptions Multi-modalデータセットを提案する。
このデータセットは、OBIの文字検出と認識、ラビングDenoising、キャラクタマッチング、キャラクタ生成、読み込みシーケンス予測、ミスキャラクタ補完タスクなど、OBIの分野に関連するさまざまなAI関連研究タスクに使用することができる。
論文 参考訳（メタデータ） (2024-07-04T12:47:32Z) - On Efficient Approximate Queries over Machine Learning Models [30.26180913049285]
本稿では,プロキシを活用し,オラクルの使用量を最小限に抑えることで,クエリ応答を近似する新しい統一フレームワークを開発する。
我々のフレームワークは、データサンプルに高価なオラクルを呼び出し、DB内のオブジェクトに安価なプロキシを適用するという、司法的な組み合わせを使用します。
我々のアルゴリズムは最先端のアルゴリズムより優れており、証明可能な統計的保証で高い結果が得られる。
論文 参考訳（メタデータ） (2022-06-06T18:35:19Z) - Controllable Text Generation with Neurally-Decomposed Oracle [91.18959622763055]
我々はNeurAlly-Decomposed Oracle (NADO) を用いた自動回帰生成モデルを制御するフレームワークを提案する。
制御可能な生成のためのベースモデルにトークンレベルのガイダンスを組み込むためのクローズドフォーム最適解を提案する。
論文 参考訳（メタデータ） (2022-05-27T20:17:53Z) - Learning Neural Set Functions Under the Optimal Subset Oracle [48.20868958542155]
本稿では,EquiVSetと呼ばれる,原則的かつ実用的な最大度学習フレームワークを提案する。
当社のフレームワークは,OSオラクル下での学習セット関数のデシラタに適合する。
これらの高度なアーキテクチャのエレガントな組み合わせのおかげで、3つの実世界のアプリケーションに関する実証的研究は、EquiVSetがベースラインを大きなマージンで上回っていることを示している。
論文 参考訳（メタデータ） (2022-03-03T12:59:00Z)
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。