論文の概要: Lesioned Multimodal Language Models Reproduce Aphasic Picture-Naming Patterns
- arxiv url: http://arxiv.org/abs/2607.11621v1
- Date: Mon, 13 Jul 2026 14:43:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.505461
- Title: Lesioned Multimodal Language Models Reproduce Aphasic Picture-Naming Patterns
- Title（参考訳）: アクシックな画像認識パターンを再現する残差多モーダル言語モデル
- Abstract要約: 脳卒中後の失語は、典型的には特徴プロファイルを持つ体系的な命名誤りを生じる。
複数モーダル言語モデルに対する病変や制御された摂動が,画像の命名において異なる種類の誤りを再現できるかどうかを検討した。
- 参考スコア（独自算出の注目度）: 7.072201466603331
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aphasia following stroke commonly produces systematic naming errors with characteristic profiles, but whether general-purpose language models not designed for clinical simulation can reproduce these patterns remains untested. We investigated (1) whether lesions or controlled perturbations to a multimodal language model can reproduce different types of errors in picture naming, and (2) whether the framework can reproduce the complete error profile of individual persons with aphasia (PWAs). Using LLaVA 1.6, we evaluated perturbation configurations that varied the layer, proportion, and amount of noise applied to model units. We examined 278 PWAs on the Philadelphia Naming Test, classifying responses into seven categories using a validated neural classifier. Six of seven response categories (correct, semantic, mixed, unrelated, neologism, no response errors) emerged at clinically-comparable proportions across distinct parameter space regions, with formal paraphasia being the exception. Searching the perturbation space revealed configurations that reproduced the individual error profile in at least six of seven categories for 97.8% of PWAs and in all seven categories for 79.5% of PWAs. Monte Carlo baselines confirmed that this matching reflects joint inter-category structure rather than marginal overlap. These results establish a quantitative framework for reproducing individual aphasic error patterns in picture naming. They suggest the potential for language models to serve as digital twins of individuals with post-stroke aphasia.
- Abstract（参考訳）: 脳卒中後の失語は、典型的プロファイルを持つ体系的命名誤りを生じるが、臨床シミュレーションのために設計されていない汎用言語モデルがこれらのパターンを再現できるかどうかはまだ検証されていない。
筆者らは,(1)多モーダル言語モデルに対する病変や制御された摂動が,画像の命名において異なる種類の誤りを再現できるか否か,(2)失語症(PWA)患者の完全な誤りプロファイルを再現できるかを検討した。
LLaVA 1.6を用いて, モデル単位の層, 比, 音量を変化させる摂動構成について検討した。
フィラデルフィア・ナミング試験では278個のPWAについて検討し, 評価された神経分類器を用いて7つのカテゴリに分類した。
7つの応答カテゴリーのうち6つ(正解、意味、混合、無関係、ネオロジズム、応答エラーなし)は、異なるパラメータ空間領域で臨床的に比較可能な割合で出現し、公式な失語症は例外であった。
摂動空間を探索すると、PWAの97.8%とPWAの79.5%の7つのカテゴリの少なくとも6つのカテゴリのうち、個々のエラープロファイルを再現する構成が明らかになった。
モンテカルロの基底線は、このマッチングが境界重なりではなく、共同カテゴリー間構造を反映していることを確認した。
これらの結果は、画像の命名において、個々の失語パターンを再現するための定量的な枠組みを確立する。
彼らは、言語モデルが脳卒中後失語症患者のデジタル双生児として機能する可能性を示唆している。
関連論文リスト
- Perturbation-based Regional Interpretability through Subtraction Mapping (PRISM): naming-error dissociations in language models and post-stroke aphasia [6.867794233852404]
サブトラクション分析は人間のニューロイメージングの標準的な枠組みである。
PRISM (Perturbation-based Regional Interpretability through Subtraction Mapping) の開発
PRISMは、トランスフォーマー言語モデルにおける機能特殊化の主張を、ファリザブルで空間的に解決したテストを提供する。
論文 参考訳（メタデータ） (2026-08-13T02:02:05Z) - Recovering Lesion Parameters from Aphasic Picture Naming Error Profiles in Large Language Models [6.5285083214226125]
ニューラルネットワークをトレーニングして、エラープロファイルを摂動パラメータにマップします。
回収されたパラメータを持つ新しいモデルインスタンスは81.4%のケースでターゲットの振る舞いを再現した。
この低層回復と高反ファクト忠実度の間の摂動は、変圧器層間の機能的冗長性と一致している。
論文 参考訳（メタデータ） (2026-08-05T20:58:49Z) - Behavioral and Representational Evidence of Binomial Ordering Preferences in Large Language Models [61.21623682203952]
両単語の置換は文法的に有効であるが、従来と異なる言語間変異を示す。
コーパス由来の嗜好と、6つのオープンウェイト言語モデルのモデル誘発順序付け確率を測り比較する。
論文 参考訳（メタデータ） (2026-06-19T17:56:44Z) - When Irregularity Helps: A Subclass Analysis of Inductive Bias in Neural Morphology [6.1031222024562695]
非常に小さく、構造的に特異的な不規則なサブタイプが、モデルエラーの不均等な共有であることを示す。
これらの結果から, 過度な低周波形態素パターンと特定の形態素過程との相互作用により, 誤差濃度が誘導されることが示唆された。
論文 参考訳（メタデータ） (2026-05-19T23:18:47Z) - Mind Your Moras: Orthography-Aware Error Analysis of Neural Japanese Morphological Generation [6.1031222024562695]
本報告では, 日本語の過去の形態変化の正書法に基づく誤り解析について述べる。
SIGMORPHON 2020 と 2023 の共有タスク規約に従ってフォーマットされたデータセットを用いて,過去センス形成における2つの文字レベルのシーケンス・ツー・シーケンスアーキテクチャの評価を行った。
高い集約精度にもかかわらず、モデルはヒラガナの特定の正書法特性を囲む体系的、言語学的に解釈可能な誤りを示す。
論文 参考訳（メタデータ） (2026-05-19T16:04:33Z) - Signal in the Noise: Polysemantic Interference Transfers and Predicts Cross-Model Influence [46.548276232795466]
多意味性は言語モデルに広く浸透しており、解釈とモデル行動制御の大きな課題である。
2つの小さなモデルの多意味的トポロジをマッピングし、意味的に無関係だがモデル内の干渉を示す特徴対を同定する。
我々は4つのloci(prompt, token, feature, neuron)に介入し、次のトーケン予測分布における変化を計測し、これらのモデルに体系的な脆弱性を露呈する多意味構造を明らかにする。
論文 参考訳（メタデータ） (2025-05-16T18:20:42Z) - Balanced Classification: A Unified Framework for Long-Tailed Object
Detection [74.94216414011326]
従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。
本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。
BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
論文 参考訳（メタデータ） (2023-08-04T09:11:07Z) - Rethinking Masked Language Modeling for Chinese Spelling Correction [70.85829000570203]
言語モデルと誤りモデルという2つの異なるモデルによる共同決定として,中国語のスペル補正(CSC)について検討する。
細調整されたBERTは、言語モデルに不適合なままエラーモデルに過度に適合する傾向にあり、その結果、分布外エラーパターンへの一般化が不十分であることがわかった。
微調整中に入力シーケンスから20%の非エラートークンをランダムにマスキングする非常に単純な戦略は、エラーモデルを犠牲にすることなく、はるかに優れた言語モデルを学ぶのに十分であることを示す。
論文 参考訳（メタデータ） (2023-05-28T13:19:12Z) - Deep Variational Lesion-Deficit Mapping [0.3914676152740142]
本稿では,病変欠損モデル比較のための包括的枠組みを提案する。
また,本モデルでは,すべてのシミュレーションシナリオにおいて,確立された手法よりもかなり優れていることを示す。
我々の分析は、このアプローチの広く採用されていることを正当化する。
論文 参考訳（メタデータ） (2023-05-27T13:49:35Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳（メタデータ） (2022-11-09T14:48:13Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Entropy-Based Uncertainty Calibration for Generalized Zero-Shot Learning [49.04790688256481]
一般化ゼロショット学習(GZSL)の目的は、目に見えないクラスと見えないクラスの両方を認識することである。
ほとんどのGZSLメソッドは、通常、見えないクラスの意味情報から視覚表現を合成することを学ぶ。
本論文では,三重項損失を持つ2重変分オートエンコーダを利用する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-09T05:21:27Z)
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。