論文の概要: Where Animacy Lives in Large Language Models: Tracing the Circuits of the Animacy Concept

• arxiv url: http://arxiv.org/abs/2607.20995v1
• Date: Thu, 23 Jul 2026 07:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.309006
• Title: Where Animacy Lives in Large Language Models: Tracing the Circuits of the Animacy Concept
• Title（参考訳）: 大規模言語モデルにおけるアニマシーの生き方:アニマシー概念の回路の追跡
• Abstract要約: 本研究では,大規模言語モデルのアニマシーに敏感な動作が,因果関係のコンポーネントや接続の局所的集合に遡ることができるかを検討する。 これらのモデルにおいて、アニマシーを扱うための因果的メカニズムが存在することを示す。 同時に、この回路は、モデルとアニマシーのタスクのみを部分的に一般化し、分散的、文脈に依存し、アニマシーの概念の幾らかのグレードされた性質を確認する。
• 参考スコア（独自算出の注目度）: 6.269911604636259
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distinguishing animate from inanimate concepts in written language requires more than shallow text processing, as it involves recognizing complex selectional constraints and contextual cues, such as verb-argument interactions. Yet, current large language models (LLMs) appear to be capable of doing it. We investigate whether this animacy-sensitive behavior of LLMs can be traced to a localized set of causally relevant components and connections. To do so, we construct a controlled dataset of minimal pairs and perform circuit discovery on four open-weight models. Through in-depth experiments and ablations, we show that a causal mechanism responsible for handling animacy in these models does exist, thus discovering an animacy circuit. At the same time, this circuit appears to be less localized compared to other known ones and generalizes only partially across models and animacy tasks, confirming the distributed, context-dependent, and somewhat graded nature of the animacy concept.
• Abstract（参考訳）: 文章言語における非自明な概念からアニメーションを識別するには、複雑な選択的制約や、動詞と引数の相互作用のような文脈的手がかりを認識することを含むため、浅いテキスト処理以上のことが必要である。 しかし、現在の大規模言語モデル(LLM)はそれを実行可能であるようだ。 LLMのこのアニマシーに敏感な挙動は、因果関係の成分と接続の局所的集合に遡ることができるか検討する。 そのため、最小ペアの制御されたデータセットを構築し、4つのオープンウェイトモデル上で回路探索を行う。 深層実験とアブレーションにより,これらのモデルにおけるアニエンシを扱う因果機構の存在が明らかとなり,アニエンシ回路が発見された。 同時に、この回路は他の既知の回路に比べてローカライズされにくく、部分的にモデルやアニマシーのタスクだけを一般化し、分散的、文脈に依存し、アニマシーの概念の幾らかのグレードされた性質を確認する。

関連論文リスト

• ArtiMo: Agent-Driven Articulated Mesh Animation [29.70170507662532]
  ArtiMoはテキスト誘導型メッシュアニメーションのための新しいエージェント駆動フレームワークである。 モデル微調整を必要とせず、因果的に一貫性のある部分運動と相互作用を発生させる。 21の明瞭なオブジェクトカテゴリにまたがる新しいベンチマークデータセットをコントリビュートする。
  論文  参考訳（メタデータ） (2026-08-21T03:08:34Z)
• MultiAnimate: A Unified Framework for Controllable Multi-Character Animation [76.56813950148235]
  MultiAnimateは、共有環境内で複数の文字の同時アニメーションを可能にするフレームワークである。 本稿では,複数の参照画像から外見を抽出できる識別特化参照ネットを提案する。 第二に、文字-目的結合問題に対処するために、ID対応のポーズエンコーダを実装した。 第3に,複雑な文字間インタラクションを扱うフレームワークの機能を強化する対話ガイドモジュールを導入する。
  論文  参考訳（メタデータ） (2026-07-15T03:33:52Z)
• CoDance: An Unbind-Rebind Paradigm for Robust Multi-Subject Animation [95.46061771820412]
  CoDanceはUnbind-Rebindフレームワークで、任意の被写体数、型、空間構成のアニメーションを単一のポーズシーケンスで指定できる。 そこで,テキストプロンプトからのセマンティックガイダンスと被写体マスクからの空間ガイダンスを利用して,学習した動作を意図した文字に指示するRebindモジュールを考案した。 CoDanceBenchと既存のデータセットの実験は、CoDanceがSOTAのパフォーマンスを達成し、多様な対象と空間的レイアウトにわたって顕著な一般化を示すことを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:53:09Z)
• VCoT-Grasp: Grasp Foundation Models with Visual Chain-of-Thought Reasoning for Language-driven Grasp Generation [67.98487725287835]
  VCoT-Graspは、視覚的連鎖推論を取り入れたエンドツーエンドの把握基盤モデルであり、把握生成のための視覚的理解を強化する。 トレーニングのために、我々は167Kの合成画像と1.36Mのグリップを含む大規模なデータセットVCoT-GraspSetを洗練、導入した。 本手法は, 達成率を大幅に向上させ, 未知の物体, 背景, 邪魔者に効果的に一般化する。
  論文  参考訳（メタデータ） (2025-10-07T11:50:26Z)
• OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation [29.41106195298283]
  既存のビデオアバターモデルは、流動的な人間のアニメーションを作り出すことができるが、キャラクターの真の本質を捉えるために、単なる物理的類似性を超えて動くのに苦労している。 textbfweは、物理的に妥当なだけでなく、意味的に一貫性があり表現力のあるキャラクターアニメーションを生成するために設計されたフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-26T17:15:26Z)
• X-Dyna: Expressive Dynamic Human Image Animation [49.896933584815926]
  X-Dynaは、単一の人間のイメージをアニメーションするための、ゼロショットで拡散ベースのパイプラインである。 対象と周辺環境の両方に対して現実的でコンテキスト対応のダイナミクスを生成する。
  論文  参考訳（メタデータ） (2025-01-17T08:10:53Z)
• Animate, or Inanimate, That is the Question for Large Language Models [1.4474137122906168]
  人間の認知の本質は、アニマシーの概念と深く絡み合っている。 本稿では,デジタルモデルが人間と同じような方法でアニメーションを処理できるか,という問いに答える。 我々は、アニメーション、不一致、通常、見知らぬコンテキストを用いて、異なるLSMを探索する。 その結果, LLMはテキストデータに基づいて主に訓練されているものの, 典型的なアニメートや不アニメートな実体に直面すると, 人間のように振る舞うことが判明した。
  論文  参考訳（メタデータ） (2024-08-12T17:48:55Z)
• Controllable Human-Object Interaction Synthesis [77.56877961681462]
  本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。 ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。 我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-06T21:14:20Z)
• Real-time Animation Generation and Control on Rigged Models via Large Language Models [50.034712575541434]
  本稿では,自然言語入力を用いたリップモデル上でのリアルタイムアニメーション制御と生成のための新しい手法を提案する。 大規模言語モデル(LLM)をUnityに組み込んで構造化テキストを出力し、多種多様なリアルなアニメーションに解析する。
  論文  参考訳（メタデータ） (2023-10-27T01:36:35Z)
• Living Machines: A study of atypical animacy [6.4220844657257725]
  我々は19世紀の英語文に基づく非定型アニマシー検出のための最初のデータセットを作成する。 本手法は,言語モデリングにおける最近の革新,特に BERT の文脈化された単語埋め込みを基盤としている。 提案手法は,非典型的アニマシーのより正確なキャラクタリゼーションを提供する。
  論文  参考訳（メタデータ） (2020-05-22T12:35:18Z)

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。