Fugu-MT 論文翻訳(概要): LLM Scheming Inversely Scales with Pretraining Language Coverage

論文の概要: LLM Scheming Inversely Scales with Pretraining Language Coverage

arxiv url: http://arxiv.org/abs/2607.24769v1
Date: Tue, 09 Jun 2026 06:02:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-02 22:55:39.045144
Title: LLM Scheming Inversely Scales with Pretraining Language Coverage
Title（参考訳）: 言語被覆の事前学習による逆スケールのLLMスケジューリング
Abstract要約: 複数の言語にまたがる認知的・計画的行動を評価する。予測事前学習言語カバレッジの効果はスケジュール行動に一様でないことが判明した。
参考スコア（独自算出の注目度）: 0.07696728525672149
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the growing capabilities of frontier models, AI alignment becomes increasingly critical in high-risk deployment settings. While recent work has empirically demonstrated in-context scheming -- the covert pursuit of misaligned objectives while feigning alignment -- in frontier language models, most work has been performed exclusively in English, leaving a major gap in multilingual safety. We apply Petri, an open-source automated auditing framework, to Qwen3-30B-A3B to evaluate deceptive and scheming behaviors across multiple languages. Our findings suggest that scheming scores are inversely correlated with the estimated pretraining language coverage, with low-resource languages averaging 34.2\% higher scores compared to high-resource languages on a five-category scheming index. Furthermore, we find that the effect of estimated pretraining language coverage is not uniform across scheming behaviors.
Abstract（参考訳）: フロンティアモデルの能力の増大に伴い、ハイリスクなデプロイメント設定では、AIアライメントがますます重要になっている。最近の研究は、フロンティア言語モデルにおいて、不整合した目的を隠蔽的に追求する文脈内スキームを実証的に実証しているが、ほとんどの研究は英語でのみ行われており、多言語安全性の大きなギャップを残している。オープンソースの自動監査フレームワークであるPetriをQwen3-30B-A3Bに適用し、複数の言語にまたがる誤認やスケジューリングの振る舞いを評価する。これらの結果から,5カテゴリのシェーミング指標を用いた場合と比較すると,平均34.2\%の低リソース言語の方が高い結果が得られた。さらに、予測事前学習言語カバレッジの効果は、スケジュール行動全体にわたって一様でないことが判明した。

関連論文リスト

Cross-lingual Representation Learning via Centroid Intervention Fusion [30.50994950370956]
Centroid Intervention Fusion (CIF) は、複数の多言語介入プロジェクションを単一の言語共有演算子に統合するプロジェクション融合フレームワークである。 CIFは、4つのモデルバックボーンで平均で+3.378ppという最強の相互介入ベースラインを上回っている。
論文参考訳（メタデータ） (2026-08-26T19:39:57Z)
Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。 Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
論文参考訳（メタデータ） (2026-07-21T16:15:05Z)
LLM Safety Alignment in Low-Resource Languages: A Systematic Literature Review [9.895109697164283]
LLM(Large Language Models)は、安全性の大幅な向上を実現している。安全性の保証は、低リソースおよび多言語設定において著しく弱いままである。
論文参考訳（メタデータ） (2026-07-20T21:11:00Z)
Estimating Uncertainty from Reasoning: A Large-Scale Study of Multi- and Crosslingual MCQA Performance in LLMs [15.831021059811045]
不確実性推定(UE)により、LLMシステムはいつ停止するかを認識できる。本稿では,22言語を対象としたUE手法の大規模評価を行う。
論文参考訳（メタデータ） (2026-07-07T14:25:09Z)
The Heterogeneous Safety Impacts of Benign Multilingual Fine-Tuning [13.578131927232292]
大きな言語モデルを微調整すると、安全でない敵のプロンプトに反応する傾向が増す。 Llama-3.2, Qwen3, Gemma-3モデルの微調整による多言語設定におけるこの現象の総合的研究について述べる。安全性は、微調整言語の選択と評価言語の選択の両方に非常に敏感であることがわかった。
論文参考訳（メタデータ） (2026-06-27T10:05:36Z)
Multilingual Refusal Alignment for Safer Large Language Models [53.64286756804503]
単言語アライメントが言語横断的に伝達されるか,トレーニング中に言語一貫性が保たれるか,一般的な知識能力とのトレードオフが生じるかを検討する。 RefusEUは、12のヨーロッパ言語をカバーする新しい拒絶アライメントデータセットであり、現在の最先端モデルを評価するための専用のテストセットを含む。制御された直接選好最適化(DPO)実験は、2つの重要な洞察を提供する: 英語でのみモデルを整列することは、同じハーネスカテゴリであっても、言語間安全を保証するには不十分である。
論文参考訳（メタデータ） (2026-04-24T09:29:14Z)
Multilingual Cognitive Impairment Detection in the Era of Foundation Models [6.141505279958125]
英語,スロベニア語,韓国語における音声の書き起こしから認知障害(CI)分類を評価する。直接分類器として用いられるゼロショット大言語モデル(LLM)を3つの入力条件下で比較する。
論文参考訳（メタデータ） (2026-04-08T07:22:43Z)
Parallel Universes, Parallel Languages: A Comprehensive Study on LLM-based Multilingual Counterfactual Example Generation [49.2073409243885]
大規模言語モデル(LLM)は、英語の対物生成に優れ、多言語習熟度を示す。対象言語における直接生成された反事実と6言語間の英訳によって導出されるものの両方について自動評価を行う。言語間で生成した偽物に一貫して現れる4つの主要なエラーを識別し分類する。
論文参考訳（メタデータ） (2026-01-01T08:53:49Z)
Aligning Multilingual Reasoning with Verifiable Semantics from a High-Resource Expert Model [13.788758077632432]
本稿では,セマンティック検証リワードを用いたPivot-based Reinforcement Learningを紹介する。このフレームワークは、ターゲット言語における人間の注釈付きデータの必要性を回避し、多言語推論を強化する。提案手法は,英語と他言語のパフォーマンスギャップを著しく狭めることを示す。
論文参考訳（メタデータ） (2025-09-29T22:03:11Z)
MrGuard: A Multilingual Reasoning Guardrail for Universal LLM Safety [56.77103365251923]
大規模言語モデル(LLM)は、ジェイルブレイクのような敵の攻撃を受けやすい。この脆弱性は、多言語セーフティアライメントされたデータが制限される多言語設定で悪化する。素早い分類のための多言語ガードレールを提案する。
論文参考訳（メタデータ） (2025-04-21T17:15:06Z)
Analyzing and Adapting Large Language Models for Few-Shot Multilingual NLU: Are We There Yet? [82.02076369811402]
教師付きファインチューニング(SFT)、教師付きインストラクションチューニング(SIT)、インコンテキストラーニング(ICL)は、3つの代替であり、事実上の標準的アプローチである。提案手法は,6つの高・低リソース言語,3つの異なるNLUタスク,多種多様な言語とドメインのセットアップを用いて,3つのアプローチを網羅的かつ体系的に比較する。そこで本研究では,教師あり指導のチューニングが,性能とリソース要件の最良のトレードオフであることを示す。
論文参考訳（メタデータ） (2024-03-04T10:48:13Z)
Bridging the Gap between Language Models and Cross-Lingual Sequence Labeling [101.74165219364264]
大規模言語間事前学習言語モデル (xPLM) は、言語間シーケンスラベリングタスクにおいて有効であることを示す。大きな成功にもかかわらず、事前学習と微調整の段階の間には訓練対象のギャップがあるという経験的観察を描いている。本稿では,まず,言語間インフォーマティブ・スパン・マスキング(CLISM)と呼ばれるxSLのための事前学習タスクを設計し,目的のギャップを解消する。第2に、コントラスト学習を利用して入力並列表現間の一貫性を促進するContrAstive-Consistency Regularization (CACR)を提案する。
論文参考訳（メタデータ） (2022-04-11T15:55:20Z)
AmericasNLI: Evaluating Zero-shot Natural Language Understanding of Pretrained Multilingual Models in Truly Low-resource Languages [75.08199398141744]
我々は、XNLI(Conneau et al)の拡張である AmericasNLI を提示する。は、アメリカ大陸の10の原住民の言語である。 XLM-Rで実験を行い、複数のゼロショットおよび翻訳ベースのアプローチをテストします。 XLM-Rのゼロショット性能は全10言語で低調であり、平均性能は38.62%である。
論文参考訳（メタデータ） (2021-04-18T05:32:28Z)

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。