論文の概要: LEX-EC: A Lexical Evidence-Channel Audit Framework for Zero-Shot LLM Personality Classification in Black-Box Settings
- arxiv url: http://arxiv.org/abs/2607.24435v2
- Date: Fri, 31 Jul 2026 13:04:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.227877
- Title: LEX-EC: A Lexical Evidence-Channel Audit Framework for Zero-Shot LLM Personality Classification in Black-Box Settings
- Title（参考訳）: LEX-EC:ブラックボックス設定におけるゼロショットLDMパーソナリティ分類のための語彙的エビデンス・チャンネル監査フレームワーク
- Abstract要約: LEX-ECは再利用可能なブラックボックス監査フレームワークである。
さまざまなテキストジャンルが、どのように大きく異なるプロファイルを示すかを示す。
LEX-ECは、形質関連が利用可能な語彙的証拠とどのように異なるかを特徴付ける。
- 参考スコア（独自算出の注目度）: 2.105564340986074
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models may easily assign personality labels from text, but model interpretability remains an open problem. To address this gap, we introduce LEX-EC, a reusable black-box audit framework combining prevalence and agreement diagnostics with controlled lexical ablation to distinguish marginal-distribution effects from trait-associated signal recoverable under restricted evidence. Using this framework, we illustrate how various text genres may exhibit sharply different profiles: free-form essay text contains the broadest, but still weak, signal; in graduate student introductions, an observable Extraversion association weakened after masking; and single Facebook statuses yield little stable evidence even in a trait-balanced sample, indicating a possible lower bound of content or length. Masking topical and demographic content weakened some associations while leaving others detectable from function words, affective terms, and cognitive-style vocabulary. Linguistic prompting shifted model self-explanations but did not eliminate topical content. LEX-EC jointly evaluates classification prevalence, item-level association, chance-corrected agreement, persistence under lexical restriction, and prompt sensitivity in model-generated explanations. Across datasets, models, and prompts, LEX-EC characterizes how trait associations may vary with available lexical evidence, introducing a novel application of lexical methods to black-box interpretability in personality labeling.
- Abstract（参考訳）: 大規模言語モデルはテキストからパーソナリティラベルを容易に割り当てることができるが、モデル解釈性は未解決の問題である。
このギャップに対処するために,制限された証拠の下で回復可能な特性関連信号から限界分布効果を識別するために,頻度と一致診断と制御された語彙アブレーションを組み合わせた再利用可能なブラックボックス監査フレームワークであるLEX-ECを導入する。
自由形式のエッセイテキストには最も広く、しかし弱い信号が含まれており、大学院生の紹介では、マスキング後に観測可能な外転協会が弱くなり、単一Facebookステータスは、特性バランスの取れたサンプルであっても、安定した証拠が得られず、内容や長さの限界が低いことを示す。
マスキングの話題や人口統計学的内容はいくつかの関連性を弱め、他は機能的な言葉、感情的な言葉、認知的なスタイルの語彙から検出された。
言語的プロンプトはモデルによる自己説明をシフトさせたが、話題の内容は排除しなかった。
LEX-ECは、分類の有病率、項目レベルの関連、機会修正合意、語彙制限による持続性、モデル生成説明の迅速な感度を共同評価する。
データセット、モデル、プロンプト全体にわたって、LEX-ECは、特性関連が利用可能な語彙的証拠とどのように異なるかを特徴付け、人格ラベル付けにおけるブラックボックスの解釈可能性への語彙的手法の新たな適用を導入している。
関連論文リスト
- Concept-Based Interpretability for Toxicity Detection [3.66086430438787]
ターゲットクラスに対する概念の不均等な帰属は、しばしば分類エラーを引き起こす。
本研究では,概念グラディエント(CG)法に基づく解釈可能性手法を提案する。
テキスト分類モデルにおける誤分類に寄与する有毒な単語のキュレーションを提案する。
論文 参考訳（メタデータ） (2025-11-15T14:53:23Z) - SCALEX: Scalable Concept and Latent Exploration for Diffusion Models [59.86284983662119]
画像生成モデルは、しばしば、性別、人種、職業に関連するステレオタイプを含む社会的バイアスを符号化する。
拡散モデルラテント空間のスケーラブルかつ自動探索のためのフレームワークであるSCALEXを紹介する。
自然言語プロンプトのみを使用して、H空間から意味論的に意味のある方向を抽出し、リトレーニングやラベル付けをせずにゼロショット解釈を可能にする。
論文 参考訳（メタデータ） (2025-11-13T22:02:44Z) - Framework for Machine Evaluation of Reasoning Completeness in Large Language Models For Classification Tasks [0.0]
本稿では、説明の完全性のためのRAS-Reasoning Alignmentを紹介する。
我々は,広く使用されている4つのテキスト分類データセット,WIKI ONTOLOGY, AG NEWS, IMDB, GOEMOTIONSを分析した。
正解予測はサポート特徴のカバレッジが高く,正解予測は矛盾する特徴のカバレッジの増大と関連していることを示す。
論文 参考訳（メタデータ） (2025-10-23T20:22:22Z) - StyleDecipher: Robust and Explainable Detection of LLM-Generated Texts with Stylistic Analysis [18.44456241158174]
StyleDecipherは堅牢で説明可能な検出フレームワークである。
組み合わせた特徴抽出器を用いてテキスト検出を再検討し、構造的差異を定量化する。
常に最先端のドメイン内精度を達成する。
論文 参考訳（メタデータ） (2025-10-14T15:07:27Z) - Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation [59.40886078302025]
マルチモーダル大規模言語モデル(MLLM)は、視覚入力と自然言語出力の整合性を示す。
しかし、生成したトークンが視覚的モダリティに依存する範囲は、いまだに理解されていない。
MLLMにおける自己回帰トークン生成を説明するための軽量なブラックボックスフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-26T15:38:42Z) - SmartCLIP: Modular Vision-language Alignment with Identification Guarantees [59.16312652369709]
Contrastive Language-Image Pre-Traiing (CLIP)citepradford2021 Learningは、コンピュータビジョンとマルチモーダル学習において重要なモデルとして登場した。
CLIPは、多くの画像テキストデータセットにおける潜在的な情報ミスアライメントに苦労し、絡み合った表現に悩まされている。
モジュラー方式で、最も関連性の高い視覚的およびテキスト的表現を特定し、調整する新しいアプローチである。
論文 参考訳（メタデータ） (2025-07-29T22:26:20Z) - Sign Spotting Disambiguation using Large Language Models [29.79050316749927]
本稿では,Large Language Models(LLMs)を統合して,符号スポッティング品質を大幅に向上させる,学習自由フレームワークを提案する。
提案手法は,グローバル・テンポラル・ハンド形状の特徴を抽出し,その特徴を大規模手話辞書と照合する。
この辞書ベースのマッチングは本質的に、モデルの再訓練を必要とせず、より優れた語彙の柔軟性を提供する。
論文 参考訳（メタデータ） (2025-07-04T16:38:09Z) - LiTEx: A Linguistic Taxonomy of Explanations for Understanding Within-Label Variation in Natural Language Inference [34.648042619016394]
自由文の説明を英語で分類するための言語情報を用いた分類法であるLITEXを紹介する。
この分類を用いて、e-SNLIデータセットのサブセットに注釈を付け、分類の信頼性を評価し、NLIラベル、ハイライト、説明とどのように一致しているかを分析する。
論文 参考訳（メタデータ） (2025-05-28T20:32:48Z) - Estimating Commonsense Plausibility through Semantic Shifts [66.06254418551737]
セマンティックシフトを測定することでコモンセンスの妥当性を定量化する新しい識別フレームワークであるComPaSSを提案する。
2種類の細粒度コモンセンス可視性評価タスクの評価は,ComPaSSが一貫してベースラインを上回っていることを示している。
論文 参考訳（メタデータ） (2025-02-19T06:31:06Z) - A Token-level Reference-free Hallucination Detection Benchmark for
Free-form Text Generation [50.55448707570669]
本稿ではトークンレベルの参照なし幻覚検出タスクとHaDesというアノテーション付きデータセットを提案する。
このデータセットを作成するために、まず英語のウィキペディアから抽出された大量のテキストセグメントを摂り込み、それからクラウドソースアノテーションで検証する。
論文 参考訳（メタデータ） (2021-04-18T04:09:48Z) - Challenges in Automated Debiasing for Toxic Language Detection [81.04406231100323]
バイアスド・アソシエーションは、有害な言語を検出するための分類器の開発において課題となっている。
我々は最近,有害な言語検出に適用されたテキスト分類データセットとモデルに対するデバイアス法について検討した。
我々の焦点は語彙(例えば、誓い言葉、スラー、アイデンティティの言及)と方言マーカー(特にアフリカ系アメリカ人の英語)である。
論文 参考訳（メタデータ） (2021-01-29T22:03:17Z)
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。