論文の概要: Humans Disengage, Reasoning Models Persist: Separating Difficulty Registration from Deliberation Allocation
- arxiv url: http://arxiv.org/abs/2606.26502v1
- Date: Thu, 25 Jun 2026 01:21:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.13681
- Title: Humans Disengage, Reasoning Models Persist: Separating Difficulty Registration from Deliberation Allocation
- Title（参考訳）: 人間の解離と推論モデル--評定代行からの難易度登録の分離
- Abstract要約: 大きな推論モデル(LRM)は、人間と同じように、より難しい問題により長く取り組む。
LRMが問題が発生した場合、同じ問題が発生した場合よりも多くのトークンが使われます。
人間は逆にし、間違った試練に費やす時間を減らします。
- 参考スコア（独自算出の注目度）: 2.892857112058156
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large reasoning models (LRMs) take longer on harder problems, just as humans do. This surface similarity hides an opposite pattern within items. When an LRM gets a problem wrong, it spends more tokens than when it gets the same problem right; humans do the reverse, spending less time on the trials they get wrong. We separate two levels of deliberation: how response time tracks difficulty across items (registration), and, with item identity held fixed, whether an agent spends more on its own failures or successes (allocation). On a public matched human-LRM corpus, humans and all five thinking LRMs reproduce the known cross-item alignment (registration) but diverge within items (allocation): every LRM shows a large wrong-vs-right effect (Cohen's d = 1.47-3.13 on H-ARC) while humans show the opposite sign. The comparison stays inside each agent's own scale; we never put seconds and tokens on one axis. The dissociation holds under item fixed effects, replicates across datasets, and is absent in a non-thinking baseline. We read the human pattern as engagement versus abandonment: people stay on items they expect to solve and give up on the rest. We read the LRM pattern as length driven by uncertainty: chains grow when the model is unsure, which is exactly when it tends to fail. Both policies produce the same cross-item correlation with difficulty, so they look aligned on the measure prior work has used; the divergence shows up only once item identity is fixed. Under resource-rational metareasoning, the split is between two stopping policies that share a difficulty signal but implement opposite control; trace length captures the signal and misses the control.
- Abstract（参考訳）: 大きな推論モデル(LRM)は、人間と同じように、より難しい問題により長く取り組む。
この表面的類似性はアイテム内の反対パターンを隠蔽する。
LRMが問題を起こすと、同じ問題が正しい場合によりも多くのトークンが使われます。
反応時間がアイテム間で困難を追跡する方法(登録)と、アイテムのアイデンティティが固定されている場合、エージェントが自身の失敗や成功(アロケーション)により多くの時間を費やしているかどうか、という2つのレベルに分けられます。
パブリックマッチされたヒト-LRMコーパスでは、人間と5つの思考的LEMは、既知の横断的アライメント(登録)を再現するが、アイテム(アロケーション)内では発散する。
比較は各エージェントのスケール内に留まり、秒とトークンを1つの軸に配置することはありません。
解離は、アイテムの固定効果の下に保持され、データセット間で複製される。
私たちは、人間のパターンをエンゲージメントと放棄、すなわち、解決を期待するアイテムに留まり、残りを諦める、と読んでいます。
我々は、LRMパターンを不確実性によって駆動される長さとして読み、モデルが不確実であるときにチェーンが成長する。
どちらのポリシーも難易度と相互に相関するので、作業前に使用した測定値に一致している。
リソース・リレーショナルなメタ推論の下では、分割は困難信号を共有するが、反対の制御を実装している2つの停止ポリシーの間にある。
関連論文リスト
- Matched Outcomes, Divergent Gaze: How Foveated MLLMs Search Compared to Humans [50.71222402701153]
目標指向検索(COCO-Search18)における3つの汎用大言語モデル(MLLM)と人間の眼球運動スキャンパスを比較した。
いずれも低エントロピー、大振幅、自己整合性のスキャンパスであり、2人の人間が互いに同意するよりもはるかに近い。
このギャップは、回答アライメントとサリエンシのメトリクスが測定できないプロセス軸の上に置かれている。それらが見逃しているため、そのような指標は人間のようなビジョンを証明できない。ゼロショットモデルは結果と空間的疑問に適合するが、時間的、プロセスレベルではない。
論文 参考訳（メタデータ） (2026-08-17T12:54:39Z) - KCSAT-ML: Probing Reasoning Models with Nationwide-Cohort Human Difficulty [25.797770168050885]
数学推論のベンチマークは急増しているが、ほとんどの場合、実際の人間のパフォーマンスに根ざした難易度信号が欠落している。
韓国・カレッジ・スコラスティック能力試験(KCSAT; Suneung)の10年間(2014-2025)の数学であるKCSAT-MLを紹介する。
このベンチマークと、Difficulty-aligned Reasoning Gain(DRG)というスコア・オルソニカルな指標を組み合わせて、モデルのミスは、人間が難しいと感じた項目に、あるいは人間が簡単に見つけた項目に、集中するかどうかを問う。
論文 参考訳（メタデータ） (2026-06-09T04:25:44Z) - An Enigma of Artificial Reason: Investigating the Production-Evaluation Gap in Large Reasoning Models [9.017619024241913]
大規模推論モデル(LRM)は、複雑な問題を解くための長い推論の連鎖を創出するために訓練されていることを示す。
本稿では,有意な推論欠陥を伴う数学問題と解法について,Valid-Answer-Invalid-Reasoningデータセットを用いて検討する。
人類と異なり、これらの問題を解くよりも格付けするとわずか6%の差しかみられず、LRMの生産・評価の差は相当に大きい。
論文 参考訳（メタデータ） (2026-05-31T21:46:52Z) - Effort as Ceiling, Not Dial: Reasoning Budget Does Not Modulate Cognitive Cost Alignment Between Humans and Large Reasoning Models [0.4306164411864404]
大きな推論モデルは、認知タスク全体で人間の反応時間を追跡するチェーンオブ思考のトレースを生成する。
このアライメントが推論時間推論の努力と異なるかどうかをテストする。
トレーニングタイムの達成、LRMと人間の間の認知的コストの調整は、トレーニングタイムの達成のように見える。
論文 参考訳（メタデータ） (2026-05-16T11:20:01Z) - TrigReason: Trigger-Based Collaboration between Small and Large Reasoning Models [59.83398270447905]
大規模推論モデル(LRM)は複雑なタスクにおいて高い性能を達成するが、自己回帰的推論によって高い推論遅延に悩まされる。
最近の研究は、小型共振モデル(SRM)を用いてLEM推論を高速化する。
TrigReasonは、継続的ポーリングを選択的介入で置き換えるトリガーベースの協調推論フレームワークである。
論文 参考訳（メタデータ） (2026-04-16T10:33:00Z) - LLMs Can Get "Brain Rot"! [68.08198331505695]
ジャンクウェブテキストへの連続曝露は、大規模言語モデル(LLM)の持続的認知低下を誘導する
実Twitter/Xコーパスで制御された実験を行い、ジャンクと逆制御されたデータセットを構築します。
その結果、データ品質がLLM能力の崩壊の原因であることを示す重要な多視点的証拠が得られた。
論文 参考訳（メタデータ） (2025-10-15T13:28:49Z) - From Long to Short: LLMs Excel at Trimming Own Reasoning Chains [48.692414597960244]
O1/R1スタイルの大推論モデル(LRM)は、従来の命令追従 LLM よりも大幅に進歩している。
近年の研究では、LEMは過剰思考に苦しむ傾向があることが示されている。
本研究では,LRMを効率よく誘導し,テスト時に最も短い正しい推論経路を特定するテスト時間スケーリング手法EDITを提案する。
論文 参考訳（メタデータ） (2025-09-07T19:00:44Z) - CoLD: Counterfactually-Guided Length Debiasing for Process Reward Models [29.95434387343843]
本稿では,3つのコンポーネントによる長さバイアスを緩和する統合フレームワークを提案する。
CoLDは一貫して報酬長相関を減少させ、ステップ選択の精度を改善し、より簡潔で論理的に妥当な推論を促進する。
論文 参考訳（メタデータ） (2025-07-21T15:07:59Z) - Are Reasoning Models More Prone to Hallucination? [70.04436965009072]
最近進化した大推論モデル(LRM)は、長いチェーン・オブ・シークレット(CoT)推論能力を持つ複雑なタスクを解く上で、強力な性能を示している。
推論モデルは幻覚の傾向が強いか?
本稿では3つの観点からその問題に対処する。
論文 参考訳（メタデータ） (2025-05-29T16:53:41Z) - Learning signatures of decision making from many individuals playing the
same game [54.33783158658077]
我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。
我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
論文 参考訳（メタデータ） (2023-02-21T21:41:53Z) - DARTS-: Robustly Stepping out of Performance Collapse Without Indicators [74.21019737169675]
異なるアーキテクチャ検索は、長期にわたるパフォーマンスの不安定さに悩まされる。
ヘッセン固有値のような指標は、性能が崩壊する前に探索を止める信号として提案される。
本稿では,崩壊を解決するために,より微妙で直接的なアプローチをとる。
論文 参考訳（メタデータ） (2020-09-02T12:54:13Z)
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。