論文の概要: Brand-as-Memory: Vision-Language Models Encode Causal, Mechanistically Localizable Credibility Priors for News Sources

• arxiv url: http://arxiv.org/abs/2607.03365v1
• Date: Fri, 03 Jul 2026 14:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.599353
• Title: Brand-as-Memory: Vision-Language Models Encode Causal, Mechanistically Localizable Credibility Priors for News Sources
• Title（参考訳）: ブランド・アズ・メモリ:視覚言語モデルによる因果関係のエンコード、機械的ローカライズ可能な信頼性
• Abstract要約: 視覚言語モデル(VLM)は,ニュースやWebコンテンツを画像として読み取る傾向にあり,出版者のアイデンティティが視覚的に存在していることを示す。 記事の内容証拠をどの表面ソースキューがオーバーライドするかを計測するクロスモデル診断であるCueを紹介する。
• 参考スコア（独自算出の注目度）: 3.168307501254055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language models (VLMs) increasingly read news and web content as images, where the publisher's identity is visually present. We show that VLMs carry a strong source-credibility prior keyed on outlet identity, and study it along three axes. (i) Cross-model benchmark. We introduce CueTrust, a cross-model diagnostic that measures which surface source cue overrides an article's content evidence via a Source-Override Index (SOI). Across seven VLMs and five cues, the vulnerability profile is model- and scale-dependent, and the override is outlet-identity-specific and encoding-invariant, firing from the masthead name, the logo image, or the bare domain, but not from a named author, in-text authority, or page layout (clean negative controls). (ii) Mechanistic account. For the brand cue, we give a full mechanistic account: swapping only the masthead moves credibility across an approximately 11 log-odds range that tracks professional ratings (rho = 0.88 with Media Bias/Fact Check). The prior is dual-coded (name and logo), strengthens with scale, is causally formed at layers 19-21, carried by interpretable seed-stable sparse-autoencoder features, and recurs at the same relative locus in a second model family. It overrides content (about 1.8x) as a signal-magnitude effect within a shared pathway, not a privileged route. Steering the localized direction selectively reduces the override (41% reduction) and generalizes to held-out outlets, confirming the prior is causally used, not merely decodable. Deployed VLMs may thus defer to source identity over the evidence in front of them, a reliability failure we can measure across models, localize, and causally probe. We release the stimulus suite and CueTrust.
• Abstract（参考訳）: ヴィジュアル言語モデル(VLM)は、ニュースやウェブコンテンツを画像として読み取るようになり、出版者のアイデンティティが視覚的に存在している。 VLMは、出口の識別に先立って強力なソースクレダビリティを持ち、それを3つの軸に沿って研究する。 (i)クロスモデルベンチマーク。 我々はCueTrustについて紹介する。CueTrustは、ソース・オーバライド指数(SOI)を介して、サーフェス・ソース・キューが記事の内容証拠をオーバーライドするかどうかを測定するクロスモデル診断である。 7つのVLMと5つのキューにまたがって、脆弱性プロファイルはモデルとスケールに依存しており、オーバーライドはアウトレット固有のエンコード不変であり、マストヘッド名、ロゴイメージ、または裸のドメインから発射されるが、名前付き作者、テキスト内権威、ページレイアウト(クリーン負の制御)からではない。 (二)機械的説明。 マストヘッドのみを交換することで、プロの格付けを追跡する約11のログオード範囲(メディアバイアス/ファクトチェックのrho = 0.88)に信頼性が移る。 前者はデュアルコード(名前とロゴ)で、スケールで強化され、第19〜21層に因果的に形成され、解釈可能なシード安定スパースオートコーダ特徴を持ち、第2モデルファミリーで同じ相対軌跡で再帰する。 コンテンツ(約1.8倍)を、特権経路ではなく共有経路内の信号磁気効果としてオーバーライドする。 局所化方向のステアリングは、オーバーライド(41%の低減)を選択的に低減し、ホールドアウト出口に一般化する。 したがって、デプロイされたVLMは、モデル全体にわたって測定し、ローカライズし、因果的な調査を行うことのできる信頼性障害である、その前の証拠よりもソースアイデンティティを優先する可能性がある。 刺激スイートとCueTrustをリリースします。

関連論文リスト

• Recognition Without Enforcement: Configuration-Dependent Failures in LLM Agent Instruction Arbitration and External Control [0.0]
  LLMエージェントはシステムプロンプト、ユーザ、メモリ、ツールから命令を仲裁するが、この仲裁は信頼境界を強制するものではない。 ソースフォーマット機能はモデルアクティベーションから線形にデオード可能であり、モデルがトリガーされたときの偽の権威を明示的に識別することができる。 モデル自己配置をセキュリティ境界ではなく機能として扱い、認証されたソースルーティングと機能限定ツールの実行を組み合わせた外部参照モニタを実装します。
  論文  参考訳（メタデータ） (2026-08-28T16:34:05Z)
• Do GUI Agents Believe Their Eyes? Diagnosing State-Belief Reliance on Pixels versus Structure [5.717981279944186]
  我々は、視覚的状態依存、状態信念の画素、構造または先行への帰属を定式化する。 310の実際のWeb、モバイル、デスクトッププローブ上でのシングルチャネルの介入と組み合わせて測定する。 我々の中心となる計量は知覚融合ギャップ(Perception-Fusion Gap)である。
  論文  参考訳（メタデータ） (2026-07-05T14:33:29Z)
• From Mirage to Grounding: Towards Reliable Multimodal Circuit-to-Verilog Code Generation [16.148817642071638]
  回路図は、ハードウェアの視覚的なドメイン固有言語と見なすことができる。 このような図をレジスタ-トランスファーレベル(RTL)コードに変換することは、視覚-コード生成のための極めて信頼性の高いテストである。 回路図を空白の画像に置き換えると、Pass@kは変わらないかそれ以上になるのです。
  論文  参考訳（メタデータ） (2026-04-30T15:01:27Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• WGLE:Backdoor-free and Multi-bit Black-box Watermarking for Graph Neural Networks [2.3612692427322313]
  グラフニューラルネットワーク(GNN)のための新しいブラックボックス透かしパラダイムであるWGLEを提案する。 WGLEは、意図した情報をエンコードする透かしを埋め込む。 その結果、WGLEは100%のオーナシップ検証精度、平均忠実度0.85%、潜在的攻撃に匹敵し、組込みオーバーヘッドが低いことがわかった。
  論文  参考訳（メタデータ） (2025-06-10T09:12:00Z)
• DECIDER: Leveraging Foundation Model Priors for Improved Model Failure Detection and Explanation [18.77296551727931]
  本稿では,大規模言語モデル (LLM) と視覚言語モデル (VLM) の先行情報を利用した画像モデルの故障検出手法であるDECIDERを提案する。 DECIDERは一貫して最先端の故障検出性能を達成し、マシューズ相関係数全体のベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2024-08-01T07:08:11Z)
• Part-Aware Transformer for Generalizable Person Re-identification [138.99827526048205]
  ドメイン一般化者再識別(DG-ReID)は、ソースドメインのモデルをトレーニングし、目に見えないドメインでうまく一般化することを目的としている。 我々は、CSL(Cross-ID similarity Learning)と呼ばれるプロキシタスクを設計し、DG-ReIDのための純粋なトランスモデル(Part-aware Transformer)を提案する。 このプロキシタスクは、IDラベルに関わらず、部品の視覚的類似性のみを気にするので、モデルが一般的な機能を学ぶことができる。
  論文  参考訳（メタデータ） (2023-08-07T06:15:51Z)
• Causal Attention for Unbiased Visual Recognition [76.87114090435618]
  注意モジュールは、どんなコンテキストにおいても堅牢な因果的特徴を深層モデルで学ぶのに役立つとは限らない。 本稿では,コーカサリ・アテンション・モジュール(CaaM)を提案する。 OOD設定では、CaaMによるディープモデルは、それなしではパフォーマンスが大幅に向上する。
  論文  参考訳（メタデータ） (2021-08-19T16:45:51Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• AvgOut: A Simple Output-Probability Measure to Eliminate Dull Responses [97.50616524350123]
  機能エンジニアリングなしで、どの発話やトークンが退屈であるかを動的に認識する対話モデルを構築します。 最初のモデルMinAvgOutは、各バッチの出力分布を通して、ダイバーシティスコアを直接最大化する。 第2のモデルであるラベルファインチューニング(LFT)は、多様性スコアによって連続的にスケールされたラベルをソースシーケンスにプリペイドし、多様性レベルを制御する。 3つ目のモデルであるRLは強化学習を採用し、多様性スコアを報奨信号として扱う。
  論文  参考訳（メタデータ） (2020-01-15T18:32:06Z)

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。