論文の概要: Learning a Vector-Symbolic Model for Socio-Cultural Tasks

• arxiv url: http://arxiv.org/abs/2608.02807v1
• Date: Mon, 03 Aug 2026 19:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.923363
• Title: Learning a Vector-Symbolic Model for Socio-Cultural Tasks
• Title（参考訳）: 社会・文化課題のためのベクトル・シンボリックモデル学習
• Abstract要約: 本稿では,ベクトルシンボリックオートエンコーダを用いて,複数のレベルで意味的関連を表現する宣言型メモリシステムを提案する。 我々は、人種的に文脈化された暗黙的関連性テスト(IAT)のACT-R認知モデルを用いて、この新しい宣言的記憶システムをテストする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: How can we better represent the impact of sociocultural structures on decision making in computational cognitive models? Modeling this impact requires traversing multiple levels of semantic representation, however it is not immediately clear to a modeler which levels of representation are most salient to a given situation. Though large language models and cognitively grounded corpus models can represent broad semantic associations through co-occurences, the role of self representations in memory should be accounted for to determine how cultural associations shape decision making. We propose a declarative memory system to be used in the ACT-R cognitive architecture that represents semantic associations at multiple levels via a vector-symbolic autoencoder. We use a simple HRR operation to encode episodic memories differently from semantic memory vectors extracted from text to produce a final chunk activation for a memory request. We use ACT-R cognitive models of a racially contextualized implicit association test (IAT) to test this new declarative memory system.
• Abstract（参考訳）: 計算認知モデルにおける社会文化的構造が意思決定に与える影響をどう表現するか? この影響をモデル化するには、複数のレベルのセマンティック表現をトラバースする必要があるが、どのレベルの表現が与えられた状況に最も適しているかは、モデラーにすぐには明らかではない。 大きな言語モデルと認知的基盤を持つコーパスモデルは、共起によって幅広い意味的関連を表現できるが、記憶における自己表現の役割は、文化的な関連が意思決定をどう形作るかを決定するために考慮すべきである。 本稿では,ベクトルシンボリックオートエンコーダを用いて,複数のレベルの意味的関連を表現したACT-R認知アーキテクチャで使用する宣言型メモリシステムを提案する。 我々は,テキストから抽出したセマンティックメモリベクトルと異なるエピソードメモリを符号化するために,単純なHRR演算を用い,メモリ要求に対して最終的なチャンクアクティベーションを生成する。 我々は、人種的に文脈化された暗黙的関連性テスト(IAT)のACT-R認知モデルを用いて、この新しい宣言的記憶システムをテストする。

関連論文リスト

• Beyond ID Embeddings: Process-Grounded Language Modeling for Cognitive Diagnosis [77.02066500576528]
  プロセス認識言語認知診断(PLCD)フレームワークは、言語から派生した構造を認知の先行点として使用し、学生の後方状態を校正するための応答記録を使用する。 PLCDは、学生のパフォーマンス予測において従来のベースラインを上回るだけでなく、認知伝達能力も高い。
  論文  参考訳（メタデータ） (2026-09-11T03:51:20Z)
• The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
  インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。 明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。 エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
  論文  参考訳（メタデータ） (2026-01-14T03:24:08Z)
• Evaluating Long-Term Memory for Long-Context Question Answering [100.1267054069757]
  質問応答タスクにアノテートした合成長文対話のベンチマークであるLoCoMoを用いて,メモリ拡張手法の体系的評価を行う。 以上の結果から,メモリ拡張アプローチによりトークン使用率が90%以上削減され,競争精度が向上した。
  論文  参考訳（メタデータ） (2025-10-27T18:03:50Z)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• Latent Structured Hopfield Network for Semantic Association and Retrieval [52.634915010996835]
  エピソード記憶は、オブジェクト、場所、時間などの意味的要素をコヒーレントなイベント表現に関連付けることによって、過去の経験を思い出すことができる。 本稿では,連続ホップフィールドアトラクタダイナミクスを自動エンコーダアーキテクチャに統合するフレームワークであるLatent Structured Hopfield Network (LSHN)を提案する。 従来のホップフィールドネットワークとは異なり、我々のモデルは勾配勾配でエンドツーエンドに訓練され、スケーラブルで堅牢なメモリ検索を実現する。
  論文  参考訳（メタデータ） (2025-06-02T04:24:36Z)
• Improve Language Model and Brain Alignment via Associative Memory [24.566858101771842]
  連想記憶は、人間の認知システムにおける理解のための関連情報の統合に関与する。 本研究では,連想記憶を統合して音声情報を処理しながら,言語モデルと人間の脳との整合性を改善することを目的とする。
  論文  参考訳（メタデータ） (2025-05-20T02:39:09Z)
• Hybrid Personalization Using Declarative and Procedural Memory Modules of the Cognitive Architecture ACT-R [9.73847865216389]
  本稿では,認知アーキテクチャACT-Rに基づくハイブリッドユーザモデリングフレームワークを提案する。 我々は、より透明性のあるレコメンデーションを提供し、ルールに基づく説明を可能にし、認知バイアスのモデリングを容易にすることを目指している。
  論文  参考訳（メタデータ） (2025-05-08T09:32:04Z)
• Brain-Like Language Processing via a Shallow Untrained Multihead Attention Network [16.317199232071232]
  大規模言語モデル(LLM)は、人間の言語システムの効果的なモデルであることが示されている。 本研究では、未学習モデルの驚くほどのアライメントを駆動する重要なアーキテクチャコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-21T12:54:03Z)
• AIGenC: An AI generalisation model via creativity [1.933681537640272]
  本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。 人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。 本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
  論文  参考訳（メタデータ） (2022-05-19T17:43:31Z)
• Low-Dimensional Structure in the Space of Language Representations is Reflected in Brain Responses [62.197912623223964]
  言語モデルと翻訳モデルは,単語の埋め込み,構文的・意味的タスク,将来的な単語埋め込みとの間を円滑に介在する低次元構造を示す。 この表現埋め込みは、各特徴空間が、fMRIを用いて記録された自然言語刺激に対する人間の脳反応にどれだけうまく対応しているかを予測することができる。 これは、埋め込みが脳の自然言語表現構造の一部を捉えていることを示唆している。
  論文  参考訳（メタデータ） (2021-06-09T22:59:12Z)
• Characterizing an Analogical Concept Memory for Architectures Implementing the Common Model of Cognition [1.468003557277553]
  そこで我々は,Soar の新たなアナログ概念メモリを提案し,宣言的長期記憶の現在のシステムを強化した。 提案したメモリに実装されたアナログ学習手法は,多様な新しい概念を迅速に学習できることを実証する。
  論文  参考訳（メタデータ） (2020-06-02T21:54:03Z)

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。