論文の概要: ESC: Emotional Self-Correction for Reliable Vision-Language Models

• arxiv url: http://arxiv.org/abs/2607.02089v1
• Date: Wed, 01 Jul 2026 14:25:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.825497
• Title: ESC: Emotional Self-Correction for Reliable Vision-Language Models
• Title（参考訳）: ESC:信頼性の高い視覚言語モデルのための感情的自己補正
• Abstract要約: 視覚言語モデル(VLM)は多様なマルチモーダルタスクにまたがって高い性能を達成しているが、信頼性の低い推論には弱いままである。 本研究では,escabstract(textbfunderlineEmotional textbfunderlineSelf-textbfunderlineCorrection)を提案する。
• 参考スコア（独自算出の注目度）: 15.474388090557866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language models (VLMs) have achieved strong performance across diverse multimodal tasks, yet they remain vulnerable to unreliable reasoning. Existing self-correction methods mitigate these issues but typically rely on post-training or carefully engineered feedback, incurring high computational cost. In this work, we revisit this challenge through the lens of emotional cues, asking whether they can activate latent self-correction behaviors in VLMs without additional training. \textbf{We find that emotional signals serve as an effective trigger for self-correction, encouraging more cautious and reflective reasoning}. Motivated by this finding, we propose \escabstract (\textbf{\underline{E}}motional \textbf{\underline{S}}elf-\textbf{\underline{C}}orrection), a training-free self-correction framework. ESC introduces an external verifier that detects potentially incorrect initial responses and injects emotional feedback to encourage model to reflect, and produce a better revised response without additional training. Extensive experiments across safety, hallucination, vision-centric perception, and multimodal reasoning benchmarks show that ESC consistently improves reliability while preserving overall model utility. These results suggest that emotion can function not only as an ability to be recognized, but also as a practical control signal for scalable self-correction in VLMs. \textbf{We therefore believe that ESC provides a strong foundation for a new reliable human-like, emotion-integrated research direction.} Our project is publicly available at \textcolor{red}{https://genai4e.github.io/ESC/}.
• Abstract（参考訳）: 視覚言語モデル(VLM)は多様なマルチモーダルタスクにまたがって高い性能を達成しているが、信頼性の低い推論には弱いままである。 既存の自己補正手法はこれらの問題を緩和するが、通常、訓練後のフィードバックや慎重に設計されたフィードバックに頼り、高い計算コストを発生させる。 本研究では、この課題を感情的な手がかりのレンズを通して再考し、付加的なトレーニングなしにVLMの潜伏自己補正行動を活性化できるかどうかを問う。 感情的なシグナルは自己補正の効果的な引き金となり、より慎重で反射的な推論を促す。 この発見により、トレーニング不要な自己補正フレームワークである \escabstract (\textbf{\underline{E}}motional \textbf{\underline{S}}elf-\textbf{\underline{C}}orrection を提案する。 ESCは、潜在的に不正確な初期応答を検出し、感情的なフィードバックを注入し、モデルを反映させ、追加のトレーニングなしでより良い修正された応答を生成する外部検証器を導入した。 安全性、幻覚、視覚中心の知覚、マルチモーダル推論ベンチマークにわたる広範囲な実験により、ESCは全体のモデルユーティリティを保ちながら、信頼性を一貫して改善することが示された。 これらの結果は、感情は認識される能力だけでなく、VLMにおけるスケーラブルな自己補正のための実用的な制御信号としても機能することが示唆された。 したがって、ESCは新しい信頼性のある人間のような感情統合研究の方向性の強力な基盤を提供すると信じている。 当社のプロジェクトは, <textcolor{red}{https://genai4e.github.io/ESC/} で公開されています。

関連論文リスト

• Bridging Physical Reasoning and Task Generalization via Visual Action Outcome Reasoning Alignment [67.2775785848366]
  2つの重要な障害モードは、物理的現実と矛盾する幻覚的連鎖(CoT)推論と、モデルの推論と行動の不一致である。 両問題に直接対処する新たな報酬設計であるVAORAを提案する。 VAORAは2つの補完的な報酬を導入している: 視覚アライメント・リワード(Visual Alignment Reward) - VLM推論をエージェントアクション自体とは独立に視覚コンテキストに固定する。
  論文  参考訳（メタデータ） (2026-07-07T17:27:59Z)
• Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs [60.80435138270317]
  本稿では,メタ認知的フィードバックによる強化学習を忠実な校正問題に適用する。 実験により、RLMFは様々なタスクにおいて汎用的で最先端のFCを実現することが示された。 RLMFは標準のRLを最大63%上回り、モデルの性能限界を評価し表現する能力を高めている。
  論文  参考訳（メタデータ） (2026-06-30T17:56:01Z)
• Thinking with Deltas: Incentivizing Reinforcement Learning via Differential Visual Reasoning Policy [75.66913260900726]
  検証可能なリワードによる強化学習は、大規模言語モデルにおいてかなり高度な推論能力を持っている。 既存のパラダイムは、テキスト中心の成果報酬によって推進され、モデルが視覚的知覚をバイパスすることを奨励します。 我々はtextbfDifferential Visual Reasoning Policy によって駆動されるフレームワーク Deltas を用いた textbfThinking を提案する。
  論文  参考訳（メタデータ） (2026-01-11T08:25:34Z)
• EmoCaliber: Advancing Reliable Visual Emotion Comprehension via Confidence Verbalization and Calibration [8.485394614072028]
  Visual EmotionBench (VEC) は、感情の極性や感情のカテゴリをイメージに埋め込まれた感情的な手がかりから推測することを目的としている。 構造化推論を段階的に支援し、信頼を言葉で表現し、信頼表現を校正する3段階のトレーニングフレームワークを導入する。 EmoCaliberは、感情予測と信頼推定の両方において、既存の方法に対する全体的な優位性を実証している。
  論文  参考訳（メタデータ） (2025-12-17T15:30:50Z)
• HEART: Emotionally-driven test-time scaling of Language Models [45.62263382784642]
  HEARTは感情駆動型プロンプトを反復的自己補正に用いる新しいフレームワークである。 我々は、OlympiadBench、HumanityのLast Exam、SimpleQAなど、挑戦的な推論ベンチマークに関するフレームワークを評価した。 オラクル検証器によって導かれると、この感情的プロトコルははるかに深い推論を解き放ちます。
  論文  参考訳（メタデータ） (2025-09-26T19:41:00Z)
• Verbalized Confidence Triggers Self-Verification: Emergent Behavior Without Explicit Reasoning Supervision [12.287123198288079]
  大規模言語モデル(LLM)の安全な配置には不確実性校正が不可欠である 我々は,スカラー信頼ラベルのみを用いた教師付き微調整が,言語モデルの自己検証行動を引き出すのに十分であることがわかった。 キャリブレーションされた不確実性に基づいて,テスト時間スケーリングによる性能向上を図った簡易な再考手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T08:56:24Z)
• Can Large Reasoning Models Self-Train? [51.0277533541394]
  多数決投票を簡単な自己フィードバック機構として利用し、強化学習において自己学習が持続できるかどうかを検討する。 この基本的なアプローチは、モデルの推論性能だけでなく、次のRLイテレーションでより良い品質フィードバックを生成する能力も改善します。 しかし、我々の分析では、このような自己学習パラダイムの限界も明らかにしています - 自己回帰の長いRLは、報酬のハッキングにつながるため、突然、そして完全なパフォーマンスが崩壊します。
  論文  参考訳（メタデータ） (2025-05-27T17:16:00Z)
• GTR: Guided Thought Reinforcement Prevents Thought Collapse in RL-based VLM Agent Training [62.536191233049614]
  検証結果報酬(RLVR)を用いた強化学習は、大規模言語モデル(LLM)におけるチェーン・オブ・ソート(CoT)推論を効果的にスケールアップした。 本研究は、24点やALFWorldの具体化タスクなど、複雑なカードゲームに関する広範な実験を通じてこの問題を調査する。 報酬が行動結果にのみ基づく場合、RLはVLMにおけるCoT推論の動機付けに失敗し、代わりに思考崩壊と呼ばれる現象が生じる。
  論文  参考訳（メタデータ） (2025-03-11T15:17:02Z)
• ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification [53.80183105328448]
  Refine via Intrinsic Self-Verification (ReVISE)は、LLMが自己検証を通じてアウトプットを自己修正できる効率的なフレームワークである。 様々な推論タスクに関する実験により、ReVISEは効率的な自己補正を実現し、推論性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-20T13:50:02Z)
• To Think or Not to Think: Exploring the Unthinking Vulnerability in Large Reasoning Models [56.19026073319406]
  大規模推論モデル (LRM) は、最終的な答えを生成する前に明確な推論トレースを生成することで複雑なタスクを解決するように設計されている。 LRM(Unthinking)と呼ばれる重要な脆弱性を明らかにし、特別なトークンを操作することで思考プロセスを回避できます。 本稿では,この脆弱性を悪意と有益の両方の観点から検討する。
  論文  参考訳（メタデータ） (2025-02-16T10:45:56Z)
• Self-correction is Not An Innate Capability in Large Language Models [13.268938380591765]
  道徳的自己補正はLLMの本質的な能力か?」という根本的な疑問に対処することで道徳的自己補正の基盤となるメカニズムを考察する。 道徳的自己補正は、道徳的に敏感でもなく、自己補正プロセス中に外部からのフィードバックを効果的に取り入れることができないため、LLMの本質的な能力ではないことを示す。
  論文  参考訳（メタデータ） (2024-10-27T16:52:21Z)
• Self-Correction is More than Refinement: A Learning Framework for Visual and Language Reasoning Tasks [43.96835245022083]
  モデルにアウトプットを洗練させる自己補正は、この問題に対する有望な解決策である。 本研究では,視覚言語モデルの推論および微調整段階における自己補正能力について検討した。
  論文  参考訳（メタデータ） (2024-10-05T06:28:54Z)
• Large Language Models Cannot Self-Correct Reasoning Yet [78.16697476530994]
  LLM(Large Language Models)は、非並列テキスト生成機能を備えた画期的な技術として登場した。 生成したコンテンツの正確性と適切性に関する懸念が続いている。 現代の方法論である自己補正がこれらの問題に対する対策として提案されている。
  論文  参考訳（メタデータ） (2023-10-03T04:56:12Z)

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。