論文の概要: Forgetting Is Not a Fix: Path Dependence in Sequential Engram Editing

• arxiv url: http://arxiv.org/abs/2607.24805v1
• Date: Mon, 06 Jul 2026 23:45:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.076273
• Title: Forgetting Is Not a Fix: Path Dependence in Sequential Engram Editing
• Title（参考訳）: フォーミングは修正ではない:シークエンシャルなエングラム編集におけるパス依存
• Abstract要約: 本研究では,概念固有のメモリトレースが1回,1回,1回を算術的に組み合わせて抽出できる線形オブジェクトとなるという仮説を検証した。 そのテストは、著者自身の参照実装に基づいて、報告された最高の編集強度で実行します。 アンラーニング・アズ・コンプライアンス:今日認定された消去は、次の編集後にアーティファクトを認定しない。
• 参考スコア（独自算出の注目度）: 35.76482964927589
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI Engram (Kwon et al., 2026) formalizes the four engram criteria of neuroscience as a constrained inverse problem in weight space and solves it closed-form: concept-specific memory traces become linear objects that can be extracted once and combined arithmetically. Appendix F states the Compositional Memory States Hypothesis: edited models live on "a commutative manifold where the integration of A and B reaches a consistent equilibrium regardless of the learning sequence." The evidence base is single and paired edits -- in materials terms, single-cycle tests, in which fatigue accumulation is structurally invisible. Whether the hypothesis holds under sequential load is exactly the "temporal dynamics" question the paper defers to future work. We run that test on the authors' own reference implementation, at their reported best edit strength (TOFU alpha=0.6, a choice favoring the linearity hypothesis), with pre-registered predictions, across three model charges (two vendors, two architecture families). Four findings replicate across all three: (1) zero-shot composition and sequential re-calibrated editing diverge by 61-71% of the edit magnitude; (2) cut order is not interchangeable, and the effect scales with concept overlap -- in one charge the order of cutting two Paris landmarks decides whether an uninvolved third concept survives; (3) the survivors' layer-input covariances -- the method's own sufficient statistics, read as strain gauges -- drift monotonically with every further cut, in every surviving concept, in every charge; (4) erased knowledge partially returns under subsequent unrelated cuts. Appendix F's commutative-manifold hypothesis is thereby falsified for sequential editing; the single-edit results of the original paper are untouched. For unlearning-as-compliance: erasure certified today does not certify the artifact after its next edit.
• Abstract（参考訳）: AI Engram (Kwon et al , 2026)は、重み空間における制約された逆問題として神経科学の4つのエングラム基準を定式化し、それを閉じた形で解決する。 Appendix F は構成記憶状態仮説を述べている: 編集されたモデルは「A と B の積分が学習順序によらず一貫した平衡に達する可換多様体」上に存在する。 このエビデンスベースはシングルとペアの編集で、材料的には単一サイクルのテストで、疲労の蓄積は構造的に見えない。 仮説がシーケンシャルな負荷の下で成り立つかどうかは、論文が将来の研究に反する「時間力学」の問題である。 このテストは、著者自身の参照実装に基づいて、報告された最高の編集強度(線形性仮説を選択するTOFU alpha=0.6)で、3つのモデル料金(2つのベンダー、2つのアーキテクチャファミリ)で事前登録された予測を行う。 1)ゼロショット合成とシーケンシャルな再校正編集のバラエティの61-71%は編集サイズで再現され、(2)カットオーダーは交換不可能であり、コンセプトオーバーラップによる効果スケールは1回の充電で2つのパリのランドマークをカットする順番で決定される。 これにより、Appendix Fの可換マニフォールド仮説は、逐次編集のためにファルシフィケートされ、元の論文の単編集結果が無タッチとなる。 アンラーニング・アズ・コンプライアンス:今日認定された消去は、次の編集後にアーティファクトを認定しない。

関連論文リスト

• Calibrating Interpretability Instruments Before Trusting Their Verdicts [1.0829694003408499]
  Causal氏は、大きな言語モデル(LLM)の内部は測定にかかっていると主張している。 これらの測定は、エラーではなく可算数を返す特定の診断可能な方法で失敗する。 このノートは、拒絶と道徳的表現に関する因果的解釈可能性プログラムの6つの失敗を文書化している。
  論文  参考訳（メタデータ） (2026-09-13T19:37:02Z)
• Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
  高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。 WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。 安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
  論文  参考訳（メタデータ） (2026-08-18T09:32:03Z)
• A Calibrated Test of Internal Action Maps: State Signals Without Global Affine Closure [0.16921396880325776]
  我々は、ソースのないアクションマップが自然なポストアクションアクティベーションに達するかどうかを検証し、構成する。 実験をエビデンス格子として整理し,既知のアフィンS_5キャリア上の幾何学的分岐を検証する。
  論文  参考訳（メタデータ） (2026-08-13T05:41:24Z)
• One Recipe, Many Harnesses: What Self-Evolution Encodes Across Languages and Models [46.83445434865936]
  自己進化型ハーネスは、エージェントが自身のロールアウトを検査し、プロンプト、ツール、メモリを編集するクローズドループシステムである。 ベンチマーク固有の適応、言語固有のエンジニアリング知識、あるいは基礎となるモデルの制限に対する補償をエンコードしているかどうかは不明だ。
  論文  参考訳（メタデータ） (2026-08-10T19:45:45Z)
• Consistency Has a Computable Blind Spot: A Commutation Theory of Label-Free Reliability for Vision-Language Figure Reading [0.8594140167290097]
  図形のデータを編集し、正しい答えは計算可能な量で変化しなければならない。 一致した2つの編集は、アフィン読み込みエラーに対して確実に完全であり、ラベルの置換のためにスワップ編集のスイートが完成せず、サイクリックレバーリングはそのギャップの大部分を閉じている。 予測順序付けは、3つのモデルにまたがって行われ、その選択方法の1つの円に対して手書きの個体群が免疫する。
  論文  参考訳（メタデータ） (2026-08-06T07:14:58Z)
• DriftScope: Measuring The Hidden Effects of Diffusion Model Adaptation [50.584834483403675]
  新しい視覚概念を学習するか、望ましくないものを消去するか、事前学習したテキスト・画像拡散モデルに適応させることは、意図した効果だけで日常的に評価される。 適応が意味論的に無関係な概念を、構造的にメトリクスを集約することができない方法で体系的に損なうことを実証する。 DriftScopeは、任意の2つのモデルチェックポイントを取り込み、視覚的概念が最も移行したトークンのランクリストを返す、プロンプトレベルの診断ツールである。
  論文  参考訳（メタデータ） (2026-06-30T20:57:51Z)
• The Deterministic Horizon: Impossibility Results as Design Specifications for Trustworthy AI Systems [0.0]
  この論文は、好奇心から不合理性の結果を設計規則に変える。 そのフラッグシップとなる結果は、アーキテクチャだけで設定された精度の高い天井を証明している。 同じ引数がサブフィールドにまたがって再キャストされる。
  論文  参考訳（メタデータ） (2026-05-21T20:48:35Z)
• Three Regimes of Context-Parametric Conflict: A Predictive Framework and Empirical Validation [0.0]
  大規模言語モデルが学習知識と矛盾する文書の相違にどのように対処するかを考察する。 本稿では,Regime 1 (単一ソース更新),Regime 2 (競合統合),Regime 3 (タスクに適した選択)という3つの登録フレームワークを提案する。 我々はClaude Sonnet 4.6、GPT-5.5、Gemini 2.5 Flash、Llama 4 Maverick、DeepSeek V3の3つの実験段階で9,970のAPIコールを使用してフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-05-12T06:00:48Z)
• The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes [0.0]
  Digital Twin Counterfactual Framework (DTCF) 五段階検証アーキテクチャは、シミュレーターが正しい反事実を生成できるという不当な主張を、観測可能なデータに対する偽証可能なテストに変換する。 分解は因果量から極端に検証されるものへと分離する。 共同因果関係の主張は明示的な前提付きとなる。
  論文  参考訳（メタデータ） (2026-04-01T19:04:15Z)
• Causal Identification from Counterfactual Data: Completeness and Bounding Results [54.147490305295456]
  本研究では,任意のレイヤ3分布の集合から対実的なクエリを識別するアルゴリズムを開発した。 我々は、物理的に実現可能な分布から反事実を特定できる理論的限界を確立する。 我々は、そのような量の新たな解析的境界を、実現可能な対実データを用いて導出する。
  論文  参考訳（メタデータ） (2026-02-26T22:48:12Z)
• The Mirror Loop: Recursive Non-Convergence in Generative Reasoning Systems [0.0]
  外部からのフィードバックのない再帰的な自己評価は、進歩よりもむしろ改革をもたらすことが多い。 3つのモデル(OpenAI GPT-4o-mini, Anthropic Claude 3 Haiku, Google Gemini 2.0 Flash)と4つのタスクファミリー(パラメータ、コード、説明、リフレクション)にまたがる144の推論シーケンスについて検討する。 我々はこれを、生成的推論における自己補正の構造的限界の証拠として解釈する。
  論文  参考訳（メタデータ） (2025-10-23T07:53:26Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• L2R2: Leveraging Ranking for Abductive Reasoning [65.40375542988416]
  学習システムの帰納的推論能力を評価するために,帰納的自然言語推論タスク(alpha$NLI)を提案する。 新たな$L2R2$アプローチは、Learning-to-rankフレームワークの下で提案されている。 ARTデータセットの実験は、公開リーダボードの最先端に到達します。
  論文  参考訳（メタデータ） (2020-05-22T15:01:23Z)

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。