論文の概要: Semantic Drift and the Stability of Operator Control in Reasoning-Class Decision Support Systems
- arxiv url: http://arxiv.org/abs/2607.09790v1
- Date: Wed, 08 Jul 2026 16:54:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.195076
- Title: Semantic Drift and the Stability of Operator Control in Reasoning-Class Decision Support Systems
- Title（参考訳）: 推論型決定支援システムにおける意味的ドリフトと演算子制御の安定性
- Authors: M. L. Kaluzhsky, V. A. Efirov,
- Abstract要約: ハイブリッドヒューマンマシン意思決定支援システムにおけるオペレータ制御の安定性確保の問題について検討する。
深い論理的推論の大規模言語モデルにおける意味的文脈ドリフトの潜在現象を検証し、述べる。
エンジニアリングレコメンデーションは動的リレーショナル仲裁ループを実装するために定式化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The article investigates the fundamental problem of ensuring the stability of operator control and preserving goal-targeting in hybrid human-machine decision support systems (DSS) of a new generation. Based on a two-month continuous longitudinal experiment on the joint design of a monograph-format textual array, the latent phenomenon of semantic context drift in large language models of deep logical reasoning (Reasoning LLMs) is verified and described. A mathematical model of interaction in the human-machine interface is proposed, and an original metric is introduced - the operator control stability coefficient, which takes into account the non-linear contextual pressure of hidden reasoning chains. Within the paradigm of the cognitome theory, a critical point of control functions inversion is captured. Engineering recommendations are formulated for implementing dynamic relational arbitration loops based on a modified hierarchical similarity model.
- Abstract（参考訳）: 本稿では,新世代のハイブリッドヒューマンマシン意思決定支援システム(DSS)において,オペレータ制御の安定性確保と目標達成のための基本的な課題について考察する。
モノグラフ形式のテキストアレーの接合設計に関する2ヶ月の連続的縦断実験に基づいて、深い論理的推論(LLM)の大規模言語モデルにおける意味的文脈ドリフトの潜時現象を検証し、述べる。
ヒューマン・マシン・インタフェースにおける相互作用の数学的モデルを提案し, 隠れ推論連鎖の非線形文脈圧力を考慮した演算子制御安定性係数(演算子制御安定性係数)を提案する。
認知論のパラダイムの中では、制御関数の反転の臨界点が捉えられる。
エンジニアリングレコメンデーションは、修正された階層的類似性モデルに基づいて動的リレーショナル仲裁ループを実装するために定式化される。
関連論文リスト
- Robust Adaptive Backstepping Impedance Control of Robots in Unknown Environments [15.262365015328832]
本稿では,接触に富んだ不確実な環境で動作しているロボットに対するロバスト適応型バックステッピングインピーダンス制御(RABIC)戦略を提案する。
本稿では, 基準インピーダンスモデルを追跡するために, バックステッピングに基づくインナーループの適応インピーダンス制御方式を提案する。
不確実性に対処するために、系力学のテイラー級数に基づく推定器と、外部力の上界を決定する適応推定器を用いる。
論文 参考訳（メタデータ） (2026-04-10T13:48:42Z) - Real-Time Projected Adaptive Control for Closed-Chain Co-Manipulative Continuum Robots [0.764671395172401]
協調操作型連続ロボット(CCR)では、複数の連続アームが共通の柔軟な物体をつかむことで協調する。
現実的なタスクでは、フレキシブルオブジェクトの物理パラメータはしばしば未知であり、操作によって異なる。
本稿では,動的レベルで定式化されたCCRの適応制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-05T22:03:23Z) - Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision [11.159231524113764]
マルチモーダル大規模言語モデル(MLLM)の複雑な推論能力を高めるための重要なメカニズムとして強化学習(RL)が登場した。
本稿では,これらの構造的制約に対処する textbfGuided Verifier フレームワークを提案する。
我々は,マルチモーダル幻覚をターゲットとした特殊なデータ合成パイプラインを開発し,プロセスレベルの負の textbfCoRe データセットとtextbfCorrect-guide textbfReasoning トラジェクトリを構築し,ガイド付き検証器を訓練する。
論文 参考訳（メタデータ） (2026-02-04T07:38:42Z) - Reasoning Palette: Modulating Reasoning via Latent Contextualization for Controllable Exploration for (V)LMs [49.66344956133349]
推論能力は、大規模な(ビジョン)言語モデルのための推論時間性能と強化学習(RL)トレーニングの両方を形作る。
本稿では,戦略的文脈化のための潜在変数をモデルに付与する新しい潜在変調フレームワークであるReasoning Paletteを提案する。
論文 参考訳（メタデータ） (2025-12-19T03:32:53Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - CTRLS: Chain-of-Thought Reasoning via Latent State-Transition [57.51370433303236]
チェーン・オブ・シント(CoT)推論は、大規模な言語モデルで複雑な問題を解釈可能な中間ステップに分解することを可能にする。
我々は,遅延状態遷移を伴うマルコフ決定プロセス(MDP)としてCoT推論を定式化するフレームワークであるgroundingSを紹介する。
我々は、ベンチマーク推論タスクにおける推論精度、多様性、探索効率の改善を示す。
論文 参考訳（メタデータ） (2025-07-10T21:32:18Z) - Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。
意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。
提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
論文 参考訳（メタデータ） (2025-06-06T03:20:32Z) - SafEDMD: A Koopman-based data-driven controller design framework for nonlinear dynamical systems [0.4077787659104315]
SafEDMDは、新しい安定性とフィードバック指向のコントローラ設計フレームワークである。
基礎となる非線形システムの安定化を保証した半定値プログラミングに基づくコントローラ設計を確立する。
主成分として、原点で消失し、制御タスクに適した比例誤差境界を導出する。
論文 参考訳（メタデータ） (2024-02-05T16:12:36Z) - Data-driven Control of Agent-based Models: an Equation/Variable-free
Machine Learning Approach [0.0]
複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。
提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM))
創発力学の数値分岐解析を行うために方程式のない手法を用いる。
我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
論文 参考訳（メタデータ） (2022-07-12T18:16:22Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z)
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。