論文の概要: Beyond Independent Labels: Schwartz-Geometry Decoding for Human Value Detection

• arxiv url: http://arxiv.org/abs/2607.05052v1
• Date: Mon, 06 Jul 2026 13:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.160684
• Title: Beyond Independent Labels: Schwartz-Geometry Decoding for Human Value Detection
• Title（参考訳）: Beyond Independent Labels: Schwartz-Geometry Decoding for Human Value Detection
• Abstract要約: 円周動機連続体が明示的な出力空間幾何学として操作できるかどうかを問う。 トレーニング時間幾何認識目標とポストホックシュワルツ認識エネルギーデコーダの2つの方法を比較した。
• 参考スコア（独自算出の注目度）: 3.0339361014383397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human value detection is commonly formulated as sentence-level multi-label classification over the 19 refined Schwartz values, typically predicted as independent labels. Schwartz theory, however, describes them as a circular motivational continuum, in which adjacent values are compatible and opposing values are in tension. We ask whether this structure can be operationalized as an explicit output-space geometry and used as a soft bias rather than a hard constraint. On a DeBERTa-v3-base classifier, we compare two ways of injecting it: training-time geometry-aware objectives and a post-hoc Schwartz-aware energy decoder that scores whole label sets jointly. Across five seeds, training-time geometry gives only limited gains-no larger for the true continuum than for a random ordering-whereas the decoder makes label sets more coherent with the continuum-on theory-aware coherence metrics we introduce-at no cost to Macro-F1 or Micro-F1 (held fixed by its selection rule). The gain is specific to the true Schwartz ordering: it does not appear for a random permutation or an empirical co-occurrence graph through the identical decoder. A bounded Qwen2.5-72B-Instruct diagnostic shows that supplying the continuum at inference shifts behavior but does not match supervised structured prediction. Theory-aware decoding thus offers a lightweight, controllable way to make value detection faithful to its label space.
• Abstract（参考訳）: 人間の値検出は、典型的には独立ラベルとして予測される19の洗練されたシュワルツ値に対して、文レベルのマルチラベル分類として定式化される。 しかしシュワルツ理論はこれらを、隣接する値が相反し、反対の値が緊張関係にある円形の動機づけ連続体として記述している。 この構造が明示的な出力空間幾何学として機能し、ハード制約ではなくソフトバイアスとして使用できるかどうかを問う。 DeBERTa-v3-base分類器では、トレーニング時幾何認識目的と、ラベル集合全体を共同でスコアするポストホックシュワルツ認識エネルギーデコーダの2つの方法を比較した。 5つの種にまたがって、訓練時間幾何学は真の連続体に対して、ランダムな順序付けよりも大きな利得しか与えないが、デコーダはラベルセットを連続体理論を意識するコヒーレンスメトリクスとより一貫性を持たせるので、マクロF1やマイクロF1(選択規則によって固定される)にコストを伴わない。 ゲインは真のシュワルツ順序付けに特有であり、同じ復号器を通してランダムな置換や経験的共起グラフには現れない。 有界Qwen2.5-72B-インストラクション診断では、推論時の連続体供給は振る舞いをシフトさせるが、教師付き構造予測と一致しない。 したがって、理論を意識した復号化は、ラベル空間に忠実な価値検出を実現するための軽量で制御可能な方法を提供する。

関連論文リスト

• Follow the Geometry, Not the Model: Cold Start Semi-Supervised Learning [7.6344611819427035]
  VAST(Veracity-Aware Semi-Supervised Training)を提案する。 VASTは、グラフベースのSSLベースラインを3つのデータセットのすべての運用ポイントで上回る。
  論文  参考訳（メタデータ） (2026-09-13T11:46:26Z)
• The Illusion of Control: Why Bare Classifier Inversion Silently Fails in Concept-Bottleneck Text Generation [0.30693357740321775]
  コンセプション・ブートネック制御可能生成路は低次元概念コードを介してマルチ属性制御を行う。 我々はこの問題を多軸合成一般化の下で概念ボトルネックテキスト生成において研究する。
  論文  参考訳（メタデータ） (2026-08-24T08:21:10Z)
• Power law graph attention: exact generalization of scaled dot-product attention, empirical collapse at inference [0.5076419064097734]
  電力法デコーダ表現(PLDR-LLM)からの大規模言語モデルとその注意,PLGA(Power Law Graph Attention) PLGAは、SDPA(Scaled dotproduct attention)の固定された双線形形式を、学習された入力生成双線形演算子$G_LM$に置き換える。 PLGA は、正確に $G_LM=I$; $A_LM$ と $A_P$ の SDPA を含み、Perron-Frobenius 構造は $A_LM$ である。
  論文  参考訳（メタデータ） (2026-08-10T22:45:22Z)
• Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
  機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。 スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
  論文  参考訳（メタデータ） (2026-08-10T19:42:01Z)
• Duality constrains optimal thresholds in quantum error correction [0.0]
  双対性は、すべてのゼロレートのエミュレートCSSコードに、同じ最適なコードキャパシティしきい値を持つように制約する。 この結果は、トポロジカル、d、およびより一般的な量子低密度パリティチェックコードファミリーを解析するための共通のフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-07-23T10:42:57Z)
• Size Doesn't Matter: Cosine-Scored Sparse Autoencoders [0.07639235704257864]
  BatchTopKの下では、ハイノームトークンはすべてのプレアクティベーションを同時に増加させ、コンテンツアライメントに関係なく辞書スロットを主張する。 スコアをコサイン類似度と入力等級の学習したブレンドに置き換え、どのぐらいのノルムを使うかを選ぶ。 どちらの体制においても、トレーニングは内部のプロダクトを復元する自由はあるが、半マグニチュード以上のものを選択する機能はない。
  論文  参考訳（メタデータ） (2026-06-13T01:51:05Z)
• When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection [56.362776482614976]
  本研究では,学習した視覚概念に対する制約を論理規則として与える環境での異常検出について検討する。 本稿では,各制約を有向非巡回グラフにコンパイルし,特徴認識サブツリーゲートを学習するニューラルルール評価器を提案する。 CLEVRER、OpenImages、VidOR全体で、結果として得られる評価は、独立イベントと同一イメージのセマンティックトレーニングベースラインよりもルールレベルのAUROCを改善する。
  論文  参考訳（メタデータ） (2026-05-25T02:52:36Z)
• The Matching Principle: A Geometric Theory of Loss Functions for Nuisance-Robust Representation Learning [0.5854803320592717]
  線形ガウスモデル (Thm.A) における最適性を証明し, 展開のドリフトをゼロにする2次ペナルティに対する範囲被覆の必要性 (Thm.G) を示す。 13ブロック(MLからQwen2.5-7Bまで)のテストは、幾何と展開のドリフトに対する等方性対間違った方向の罰則と一致した。 Sigma_taskを推定し、Sigmaにマッチし、コントロールを実行し、タスクとジオメトリを別々にレポートする。
  論文  参考訳（メタデータ） (2026-05-21T17:53:28Z)
• Lost and Found in Translation: Variational Diagnostics for Neural Codebook Channels [0.0]
  変分オートエンコーダ(VAE)は、エンコーダ$q_$とデコーダ$p_$を共同でトレーニングし、実践者は結果として生じる遅延空間を離散コードとして扱う。 標準的なVAE診断は、このコードが使用されているかどうか、デコーダがエンコーダのコードの下で各潜伏者を読み取るかどうかのみを認証する。 我々は,アーキテクチャフリーなBernoulli-KL証明書によって,対角線外質量を束縛したエンコーダデコーダ診断法を開発した。
  論文  参考訳（メタデータ） (2026-05-13T06:52:21Z)
• Distinguishing synthetic unravelings on quantum computers [0.16252563723817934]
  1量子ビットと2量子ビットに作用する量子回路として実装された合成アンラベリングを導入する。 軌跡間のばらつきと、平均的なフォン・ノイマンエントロピーが、理論と実験の両方において未発見物を区別していることが示される。 この結果から, 量子トラジェクタは, 非条件力学によって固定された値を超えて, 測定バックアクションに関する情報を符号化する。
  論文  参考訳（メタデータ） (2026-01-27T18:56:38Z)
• Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
  深部異方性回帰における自己教師付き共分散推定について検討する。 正規分布の間の2-ワッサーシュタイン距離の上界を導出する。 幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
  論文  参考訳（メタデータ） (2025-02-14T22:37:11Z)
• Pseudo Contrastive Learning for Graph-based Semi-supervised Learning [67.37572762925836]
  Pseudo Labelingは、グラフニューラルネットワーク(GNN)の性能向上に使用されるテクニックである。 我々はPseudo Contrastive Learning(PCL)と呼ばれるGNNのための一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-19T10:34:08Z)
• DSLA: Dynamic smooth label assignment for efficient anchor-free object detection [18.043176234010517]
  アンカーフリー検出器は、基本的にオブジェクト検出を密な分類と回帰として定式化する。 局所化の質を推定するために、個別の予測分岐を導入するのが一般的である。 分類と品質評価の実践を掘り下げると、以下の矛盾が観測される。
  論文  参考訳（メタデータ） (2022-08-01T12:56:44Z)
• Pointwise Binary Classification with Pairwise Confidence Comparisons [97.79518780631457]
  ペアワイズ比較(Pcomp)分類を提案し、ラベルのないデータのペアしか持たない。 我々はPcomp分類をノイズラベル学習に結びつけて、進歩的UREを開発し、一貫性の正則化を課すことにより改善する。
  論文  参考訳（メタデータ） (2020-10-05T09:23:58Z)
• Self-training Avoids Using Spurious Features Under Domain Shift [54.794607791641745]
  教師なし領域適応においては、条件付きエントロピー最小化と擬似ラベル処理は、既存の理論で解析されたものよりもドメインシフトがはるかに大きい場合であっても行われる。 ドメインシフトが大きくなる可能性のある特定の設定を特定・分析するが、特定のスパイラルな特徴はソースドメインのラベルと相関するが、ターゲットの独立なラベルである。
  論文  参考訳（メタデータ） (2020-06-17T17:51:42Z)

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。