論文の概要: Lexical discovery in unknown environments orchestrated by Large Language Models

• arxiv url: http://arxiv.org/abs/2607.22591v1
• Date: Wed, 10 Jun 2026 14:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:38.981632
• Title: Lexical discovery in unknown environments orchestrated by Large Language Models
• Title（参考訳）: 大規模言語モデルによる未知環境における語彙発見
• Abstract要約: 未知の環境で展開される自律的なエージェントの人口は、人間の言語に名前を持たないエンティティを指すために、共有語彙を開発する必要がある。 本稿では,LSMをベースとしたエージェントの集団が,アウト・オブ・ディストリビューション・ビジュアル・レファレンスに対して参照ゲームをするNSLDフレームワークを提案する。 各エージェントは、凍結したCLIPビジョンエンコーダと、プライベートなFAISSベクトルインデックスとテキストのみのLLMを組み合わせる。重要なことに、発見された異語は、埋め込み空間のセマンティックな近接によって自然言語に固定される。
• 参考スコア（独自算出の注目度）: 0.18067736089569889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Populations of autonomous agents deployed in unknown environments (e.g. planetary or deep-sea exploration) must develop shared vocabularies to refer to entities that have no name in any human language. We propose the Neuro-Symbolic Lexical Discovery (NSLD) framework, in which a population of LLM-based agents plays a referential game over out-of-distribution visual referents, autonomously self-organising a shared alien lexicon. Each agent combines a frozen CLIP vision encoder with a private FAISS vector index and a text-only LLM. Crucially, discovered alien words are anchored to natural language via semantic proximity in the embedding space, enlarging the human vocabulary with new perceptually grounded words. Consensus is reached in simulations with populations of up to twenty agents and ten visual referents. Convergence dynamics are characterised through three analytical models achieving R^2 > 0.95, representing a first step towards pre-deployment planning in autonomous exploration missions.
• Abstract（参考訳）: 未知の環境(惑星や深海探査など)に展開される自律的なエージェントの集団は、人間の言語に名前を持たないエンティティを指すために、共通語彙を開発する必要がある。 本稿では,LLMをベースとしたエージェントの集団が,アウト・オブ・ディストリビューションの視覚的参照者に対して参照ゲームをプレイし,共有されたエイリアン辞書を自律的に自己組織化するNSLD(Neuro-Symbolic Lexical Discovery)フレームワークを提案する。 各エージェントは凍結したCLIPビジョンエンコーダとプライベートなFAISSベクトルインデックスとテキストのみのLLMを組み合わせる。 重要なことに、発見されたエイリアンの単語は、埋め込み空間のセマンティックな近接を通じて自然言語に固定され、人間の語彙を新しい知覚的な接頭辞で拡大する。 コンセンサスは、最大20人のエージェントと10人の視覚的参照者の集団によるシミュレーションで到達している。 収束力学は、R^2 > 0.95を達成する3つの分析モデルを通して特徴づけられ、自律探査ミッションにおける事前配備計画への第一歩である。

関連論文リスト

• Lies We Can See: Joint Verbal and Non-Verbal Deception by VLM Agents in Embodied Social Interactions [66.7908338529737]
  LLMとVLMのエージェントによる戦略的な騙しは、AIのアライメントと安全性の懸念の中心として現れている。 既存のテストベッドはテキストのみであり、単一の固定エージェント構成で実行される。 我々は,MineAmongUsを紹介した。これはUsサンドボックス内の3次元マルチモーダルで,インポスタエージェントは共同弁論と非言語行動を通じて乗組員を騙さなければならない。
  論文  参考訳（メタデータ） (2026-08-31T08:24:29Z)
• Speaking the Language of Science: Toward a General-Purpose Generative Foundation Model for the Natural Sciences [89.71422932447423]
  LOGOSは、自然科学における異種タスクを統一する科学生成言語モデルである。 空間的接触パターンと制約パターンを離散トークンとして表現することにより、モデルは純粋にシーケンシャルな方法で複雑な構造的相互作用をキャプチャする。 多様なタスクにわたって、LOGOSは一貫してドメイン固有のベースラインにマッチまたは性能を向上する。
  論文  参考訳（メタデータ） (2026-06-15T16:14:53Z)
• OmniGF: A Dual-Branch Vision-Language Framework for Unified Gaze Following [59.53720386342017]
  拡張性のある多対人視線推論に基礎的な視覚言語モデルを適用する統合視覚言語フレームワークを提案する。 すべての個人をモデル化することにより、OmniGFは正確な空間的視線目標推定、意味的視線予測、複雑な社会的視線推定をシームレスに統合する。
  論文  参考訳（メタデータ） (2026-05-26T00:08:06Z)
• NeLLCom-Lex: A Neural-agent Framework to Study the Interplay between Lexical Systems and Language Use [9.696111086006061]
  NeLLCom-Lexは意味の変化をシミュレートするために設計されたニューラルネットワークフレームワークである。 i)人間のような命名行動や語彙を発達させ,(ii)コミュニケーションニーズに応じてその行動や語彙を変化させる要因について検討する。 教師付きおよび強化学習パイプラインを用いた実験では、既存の言語を「話す」ように訓練されたニューラルエージェントが、色命名における人間に似たパターンを著しく再現できることが示されている。
  論文  参考訳（メタデータ） (2025-09-26T15:25:59Z)
• Spontaneous Emergence of Agent Individuality through Social Interactions in LLM-Based Communities [0.0]
  本稿では,Large Language Model (LLM) ベースのエージェントを用いて,ゼロからエージェントが出現することを検討する。 このマルチエージェントシミュレーションを解析することにより、社会的規範、協力、性格特性が自然に出現する方法について、貴重な新しい知見を報告する。
  論文  参考訳（メタデータ） (2024-11-05T16:49:33Z)
• Can large language models understand uncommon meanings of common words? [30.527834781076546]
  大規模言語モデル(LLM)は、様々な自然言語理解(NLU)タスクに大きく進歩している。 しかし、LLMがオウムなのか、本当の意味で世界を理解するのかは、広く認知されている試験機構が欠如している。 本稿では,新しい評価指標を用いたレキシカルセマンティックデータセットの革新的構築について述べる。
  論文  参考訳（メタデータ） (2024-05-09T12:58:22Z)
• Exploring the Potential of Large Foundation Models for Open-Vocabulary HOI Detection [9.788417605537965]
  条件付き多レベルデコードと細粒度セマンティックエンハンスメントを備えた新しいエンドツーエンドオープン語彙HOI検出フレームワークを提案する。 提案手法は,開語彙HOI検出の最先端化を実現する。
  論文  参考訳（メタデータ） (2024-04-09T10:27:22Z)
• Navigation with Large Language Models: Semantic Guesswork as a Heuristic for Planning [73.0990339667978]
  不慣れな環境でのナビゲーションは、ロボットにとって大きな課題となる。 言語モデルを用いて、新しい現実世界環境のバイアス探索を行う。 実環境におけるLFGの評価とシミュレーションベンチマークを行った。
  論文  参考訳（メタデータ） (2023-10-16T06:21:06Z)
• The Neuro-Symbolic Inverse Planning Engine (NIPE): Modeling Probabilistic Social Inferences from Linguistic Inputs [50.32802502923367]
  確率的目標推論領域における言語駆動の過程と社会的推論への影響について検討する。 本稿では,エージェントシナリオの言語入力から目標推定を行うニューロシンボリックモデルを提案する。 我々のモデルは人間の反応パターンと密に一致し、LLM単独の使用よりも人間の判断をより良く予測する。
  論文  参考訳（メタデータ） (2023-06-25T19:38:01Z)
• SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
  文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。 モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。 本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
  論文  参考訳（メタデータ） (2023-05-23T17:12:08Z)
• Spatial Language Understanding for Object Search in Partially Observed Cityscale Environments [21.528770932332474]
  空間言語観測空間を導入し、部分観測可能なマルコフ決定プロセス(POMDP)の枠組みの下でモデルを定式化する。 本稿では,言語提供者の参照の相対的フレーム(FoR)の環境コンテキストを予測する畳み込みニューラルネットワークモデルを提案する。 本稿では,FOR予測モデルとオブジェクト探索システムの一般化可能性を示す。
  論文  参考訳（メタデータ） (2020-12-04T16:27:59Z)
• Video-based Sign Language Recognition without Temporal Segmentation [88.03159640595187]
  本稿では,時間分割の事前処理を不要とする新しい連続符号認識フレームワークを提案する。 提案するLS-HANは,映像特徴表現生成のための2ストリーム畳み込みニューラルネットワーク(CNN),意味ギャップブリッジのための潜時空間,潜在空間に基づく認識のための階層的注意ネットワーク(HAN)の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2018-01-30T17:37:42Z)

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。