論文の概要: LEXIC: Lightweight Eye-tracking eXtension via Injected Complexity
- arxiv url: http://arxiv.org/abs/2607.08152v1
- Date: Thu, 09 Jul 2026 06:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.428791
- Title: LEXIC: Lightweight Eye-tracking eXtension via Injected Complexity
- Title（参考訳）: LEXIC:射出複雑度による軽量眼球追跡eXtension
- Abstract要約: 近年のEyeBenchベンチマークでは、目の動きからの読みの理解を予測することで、大きなギャップが浮かび上がっている。
言語モデルなしの軽量な条件付けによって、視線のみのモデルがどこまで進めるかを問う。
- 参考スコア（独自算出の注目度）: 14.895587859230503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On the recent EyeBench benchmark, predicting reading comprehension from eye movements exposes a stark gap: text-aware models using pretrained language models reach 56--63% AUROC, while gaze-only models operate at chance. We ask how far a gaze-only model can be pushed by lightweight, language-model-free conditioning. Building on the EyeBench AhnCNN baseline, LEXIC-Base, we propose two mechanisms to inject three precomputed word-level difficulty signals, GPT-2 surprisal, word frequency, and word length, into the per-fixation input: direct concatenation, LEXIC-Concat, and a residual mechanism, LEXIC-Res, where a small head predicts typical-reader gaze response and the encoder is conditioned on the deviation. On the OneStop reading comprehension task, with K=5 seed-ensemble training across ten folds, both mechanisms produce statistically consistent AUROC gains on Unseen Text, +1.8 to +2.2 percentage points, Wilcoxon p <= 0.065. LEXIC-Concat additionally lifts Unseen Reader by +2.9 percentage points, p = 0.010. We trace an architectural boundary in LEXIC-Res on Unseen Reader, +1.8 percentage points, p = 0.19, to the prediction head being calibrated to training readers, transferring imperfectly to out-of-distribution readers.
- Abstract（参考訳）: 事前訓練された言語モデルを用いたテキスト認識モデルは56～63%のAUROCに達し、視線のみのモデルは偶然に動作する。
言語モデルなしの軽量な条件付けによって、視線のみのモデルがどこまで進めるかを問う。
そこで我々は,EyeBench AhnCNNベースラインであるLEXIC-Baseをベースとして,3つの事前計算された単語レベルの難易度信号(GPT-2次数,単語頻度,単語長)を,直結,LEXIC-Concat,およびLEXIC-Resの残余メカニズムに注入する2つのメカニズムを提案する。
OneStop 読解タスクでは、K=5のシードアンサンブルトレーニングが10回にわたって行われ、どちらのメカニズムも統計的に一貫した AUROC ゲインを生成し、 +1.8 から +2.2 ポイント、ウィルコクソン p <= 0.065 である。
LEXIC-Concat はさらに Unseen Reader を +2.9 %、p = 0.010 で持ち上げる。
We trace a architectural boundary in LEXIC-Res on Unseen Reader, +1.8 percentage points, p = 0.19, to the prediction head is calibrated to training readers, transfer out-of-distriion reader。
関連論文リスト
- Credal Large Language Models for Semantic Commitment under Uncertainty [7.18839452757154]
大規模言語モデル (LLM) は、しばしば不確実な自信を持って、流動的だが誤った答えを生み出す。
Credal Large Language Models (CLLMs) は、より低い確率と高い確率で予測可能な分布が広がるクレダル集合を誘導する。
我々は, OpenBookQA, CoQA, TriviaQA, ARC-ChallengeでGemma-2-9B, Llama-3.1-8B, Qwen2.5-7Bの幻覚検出, 校正, 選択的予測, 推論を評価した。
論文 参考訳（メタデータ） (2026-08-24T13:30:55Z) - Iterative Visual Thinking: Teaching Vision-Language Models Spatial Self-Correction through Visual Feedback [0.023227405857540805]
視覚言語モデル(VLM)は、強い単一ショット空間グラウンドを達成するが、自身の予測を観察し修正するメカニズムは欠如している。
本稿では,モデルが境界ボックスを予測するクローズドループフレームワークであるIterative Visual Thinking (IVT)を提案する。
すべてのトレーニングでは、単一のGPU上で2400のサンプルしか使用せず、空間的な自己補正が、適度なスケールで注入できる学習可能な能力であることを実証している。
論文 参考訳（メタデータ） (2026-06-11T10:27:29Z) - When Eyes Betray AI: Social Gaze Consistency as a Semantic Cue for AI-Generated Image Detection [12.446807294893638]
本稿では,視線方向の相互コヒーレンス,頭部アライメント,対人関係の瞳孔配置として定義された高レベルの意味的キューであるソーシャル・ゲイズ・コンシステンシーを紹介する。
既存の低レベルパラダイムに対して,これまで未利用であった検出軸を構成することを示す。
4ステップのアカウントでは、単一インパインター(FLUX.1-Fill)のトレーニングがマルチジェネレータスイートに移行した理由が説明されている。
論文 参考訳（メタデータ） (2026-05-26T17:50:17Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers [1.7844382164707184]
我々は,5種類の型付き誤り分類と1500石のベンチマークを導入する。
このベンチマークで微調整されたModernBERTエンコーダはマクロF1 = 0.899に達する。
本稿では,ラベル保存型強化トレーニングデータを生成するために,シンボル検証器のモジュールを逆向きに動作させる訓練時フレームワークであるSybolic Augmentationを提案する。
論文 参考訳（メタデータ） (2026-05-19T15:58:00Z) - Towards Compact Sign Language Translation: Frame Rate and Model Size Trade-offs [0.5371337604556311]
手話翻訳(SLT)は、手話動画を音声テキストに変換し、聴覚と聴覚のコミュニティ間のコミュニケーションをブリッジする。
現在の光沢のないアプローチは、大規模なエンコーダデコーダモデルに依存し、デプロイメントを制限している。
本稿では,MMPose skeletal pose extract と1つの線形射影をT5小形に結合したコンパクトな77Mパラメータパイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-10T14:15:38Z) - Qwen3-ASR Technical Report [71.87071808763484]
2つの強力なオールインワン音声認識モデルと、新しい非自己回帰音声強制アライメントモデルを含むQwen3-ASRファミリを紹介する。
Qwen3-ASR-1.7BとQwen3-ASR-0.6Bは、言語識別と52の言語および方言のASRをサポートするASRモデルである。
論文 参考訳（メタデータ） (2026-01-29T06:58:13Z) - LLM Encoder vs. Decoder: Robust Detection of Chinese AI-Generated Text with LoRA [4.104443734934105]
我々は、エンコーダベースのトランスフォーマー(中国のBERTラージとRoBERTa-wwm-ext-large)、デコーダのみのLCM(アリババのQwen2.5-7B/Deep-R1-Distill-Qwen-7B)、およびFastTextベースラインを比較した。
実験により、エンコーダモデルはトレーニングデータをほとんど記憶しているが、分散シフト時に顕著な性能劣化を被っていることが明らかになった。
論文 参考訳（メタデータ） (2025-08-31T07:51:22Z) - Vision-centric Token Compression in Large Language Model [51.92055188780033]
Vision Centric Token Compression (Vist)は、人間の読書を反映した高速圧縮フレームワークである。
11のコンテキスト内学習ベンチマークでは、Vistは同じ精度を2.3倍のトークンで達成し、FLOPを16%削減し、メモリを50%削減した。
論文 参考訳（メタデータ） (2025-02-02T13:10:06Z) - Spotting LLMs With Binoculars: Zero-Shot Detection of Machine-Generated Text [98.28130949052313]
密接に関連する2つの言語モデルとの対比に基づくスコアは、人文と機械文の分離に極めて正確である。
本稿では,一対の事前学習 LLM を用いた簡単な計算しか必要としない新しい LLM 検出器を提案する。
Binocularsと呼ばれるこの方法は、トレーニングデータなしで最先端の精度を実現する。
論文 参考訳（メタデータ） (2024-01-22T16:09:47Z) - Learning to Decompose Visual Features with Latent Textual Prompts [140.2117637223449]
視覚言語モデルを改善するために,Decomposed Feature Prompting (DeFo)を提案する。
我々の実証研究は、視覚言語モデルを改善する上でDeFoが重要であることを示している。
論文 参考訳（メタデータ） (2022-10-09T15:40:13Z) - FastLR: Non-Autoregressive Lipreading Model with Integrate-and-Fire [74.04394069262108]
我々は,全てのターゲットトークンを同時に生成する非自己回帰(NAR)リップリーダーモデルであるFastLRを提案する。
FastLRは最先端のリップリーダーモデルと比較して10.97$times$のスピードアップを実現している。
論文 参考訳（メタデータ） (2020-08-06T08:28:56Z)
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。