論文の概要: TimeCapsule: Generative Hallucination as a Method for Historical Sensemaking

• arxiv url: http://arxiv.org/abs/2607.24750v1
• Date: Fri, 22 May 2026 18:25:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.035487
• Title: TimeCapsule: Generative Hallucination as a Method for Historical Sensemaking
• Title（参考訳）: TimeCapsule: 歴史的意味作りの方法としての生成幻覚
• Abstract要約: 我々は、ヴィクトリア朝のテクストに特化して訓練されたTimeCapsule(1800年-1875年)を提示する。 未来の構造的無知は19世紀の文学の解釈的探究へと変化していくと論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are temporally overexposed: trained on vast contemporary corpora, they encode present-day concepts that make them unreliable narrators of the past. We present TimeCapsule, a 1.2B-parameter LLaMA-style causal model trained exclusively on Victorian texts (1800-1875) as an epistemologically isolated generative archive. Quantitative evaluation shows a 45.4% perplexity reduction over a GPT-2 baseline on held-out Victorian prose, while larger contemporary causal models achieve lower raw perplexity through broader pretraining but lack temporal isolation. TimeCapsule exhibits computational sensemaking, generating historically plausible analogical explanations for unfamiliar modern concepts (e.g., describing a computer as a "hypertrophied lung"). A qualitative hermeneutic probe with two humanities scholars revealed a crisis of authenticity, as both misclassified approximately 40% of genuine Victorian excerpts as machine-produced. We argue that structural ignorance of the future transforms hallucinations into interpretive probes of nineteenth-century ontologies.
• Abstract（参考訳）: 大規模な言語モデル(LLM)は時間的に過大評価され、巨大な現代コーパスに基づいて訓練され、現在の概念を符号化し、過去の信頼性の低いナレーターを作る。 我々は、1800-1875年にヴィクトリア朝のテクストに特化して訓練された1.2BパラメーターのLLaMA型因果モデルであるTimeCapsuleを、認識学的に孤立した生成アーカイブとして紹介する。 定量的評価では、GPT-2ベースラインよりも45.4%のパープレキシティが、ヴィクトリア朝の散文の散文の散文の散文の散文の散文で減少し、一方で、より大規模な現代因果モデルでは、より広範な事前訓練によって、より低い生のパープレキシティが達成されるが、時間的隔離が欠如している。 TimeCapsuleは、コンピュータを「肥大化した肺(hypertrophied lung)」と表現する、馴染みのない現代的な概念について、歴史的に妥当なアナログ的な説明を生成する。 2人の人文科学研究者による質的な調査では、どちらも本物のヴィクトリア朝の抜粋の約40%を機械生産と誤分類したため、真偽の危機が明らかにされた。 未来の構造的無知は、幻覚を19世紀のオントロジーの解釈的プローブへと変換すると主張する。

関連論文リスト

• How Large Language Models are Designed to Hallucinate [0.42970700836450487]
  幻覚はトランスフォーマーアーキテクチャの構造的な結果であると主張する。 本研究の貢献は,(1) 既存の説明が不十分な理由を示す比較説明,(2) 提案されたベンチマークによる実存的構造に関連付けられた幻覚の予測分類,(3) 開示の欠如を抑えることの可能な「真理に制約された」アーキテクチャへの設計方針,の3つである。
  論文  参考訳（メタデータ） (2025-09-19T16:46:27Z)
• The Law of Knowledge Overshadowing: Towards Understanding, Predicting, and Preventing LLM Hallucination [85.18584652829799]
  本稿では,知識のシェードイングをモデル化することで,事実の幻覚を定量化する新しい枠組みを提案する。 オーバシャドウ(27.9%)、MemoTrap(13.1%)、NQ-Swap(18.3%)のモデル事実性を顕著に向上させる。
  論文  参考訳（メタデータ） (2025-02-22T08:36:06Z)
• Knowledge Overshadowing Causes Amalgamated Hallucination in Large Language Models [65.32990889402927]
  「我々はこの現象を知識の誇張として造る。」 その結果, 幻覚率の増大は, 不均衡比と支配的条件記述の長さに左右されることがわかった。 本稿では,その発生前に幻覚をキャッチするための信号として,オーバーシェーディング条件を用いることを提案する。
  論文  参考訳（メタデータ） (2024-07-10T20:37:42Z)
• VideoHallucer: Evaluating Intrinsic and Extrinsic Hallucinations in Large Video-Language Models [59.05674402770661]
  本稿では,大規模ビデオ言語モデル(LVLM)における幻覚検出のための最初の総合的ベンチマークであるVideoHallucerを紹介する。 VideoHallucerは幻覚を2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-06-24T06:21:59Z)
• On Large Language Models' Hallucination with Regard to Known Facts [74.96789694959894]
  大規模な言語モデルはファクトイドの質問に答えることに成功したが、幻覚を起こす傾向がある。 正しい解答知識を持つLLMの現象を推論力学の観点から検討する。 我々の研究は、LLMの幻覚が既知の事実について、そしてより重要なのは、幻覚を正確に予測する理由を理解することに光を当てた。
  論文  参考訳（メタデータ） (2024-03-29T06:48:30Z)
• Alleviating Hallucinations of Large Language Models through Induced Hallucinations [67.35512483340837]
  大規模言語モデル(LLM)は、不正確な情報や製造された情報を含む応答を生成するために観察されている。 幻覚を緩和するための単純なtextitInduce-then-Contrast Decoding (ICD) 戦略を提案する。
  論文  参考訳（メタデータ） (2023-12-25T12:32:49Z)
• Ever: Mitigating Hallucination in Large Language Models through Real-Time Verification and Rectification [18.59695929601458]
  リアルタイム検証(Real-time Verification and Rectification)と呼ばれる新しいアプローチを導入する。 エバーは、リアルタイムでステップワイズな生成と幻覚の修正戦略を採用しています。 さまざまなタスクにまたがって、信頼できる、事実的に正確なテキストを生成することにおいて、大きな改善が示されています。
  論文  参考訳（メタデータ） (2023-11-15T17:04:56Z)
• Evaluating Hallucinations in Chinese Large Language Models [65.4771562909392]
  我々は,中国大言語モデルにおける幻覚現象を測定するために,HaluQA(中国語幻覚質問回答)というベンチマークを構築した。 GLM-130B と ChatGPT の2種類の幻覚について考察した。 評価のために,モデル出力が幻覚的かどうかを判定するために,GPT-4を用いた自動評価手法を設計する。
  論文  参考訳（メタデータ） (2023-10-05T07:57:09Z)

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。