論文の概要: Explicit, Not Longer: What Makes Epistemic Stance Survive Memory Compression

• arxiv url: http://arxiv.org/abs/2608.06953v1
• Date: Fri, 07 Aug 2026 08:28:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.415823
• Title: Explicit, Not Longer: What Makes Epistemic Stance Survive Memory Compression
• Title（参考訳）: 楽観的、長くは続かない: てんかんのスタンスを救える記憶の圧縮
• Abstract要約: ラベル付きフィールドとしてスタンスを書くことは、2つのモデルで約15ポイントの保持率を高める。 両方のモデルでフォーマットを壊すことで、異なるパーツから同じ効果が得られる。 私たちは交差点のみを主張する: スタンスを明確化し、単に長いだけでなく、モデルに依存するのに最も明確な方法を期待する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agent memory systems compress what they store, and compression is built to drop qualifiers, so a claim's epistemic standing tends not to survive being written to memory. We ask what governs whether it does. Matched notes carry the identical claim and identical stance and differ only in where that stance sits; one model compresses both under the same budget among the same filler notes, and a blind reader that never sees the condition scores the result. Across 60 claims in seven registers, writing the stance as a labelled field rather than a bracketed aside raises retention by about 15 points on two models (37 claims to 2 on one, 30 to 8 on the other; permutation p=0.00005), and a pre-registered replication on Haiku, its prediction and decision rule committed before the run, gives +15.6 points, 38 claims to 1. Ablating the format on both models gives the same net effect from different parts: labels help on both (+9.7 and +12.8) and length helps on neither, but wording the stance as a full sentence is the largest component on one model (+12.5) and worth nothing on the other (+0.6). Either model alone would have licensed a confident and different mechanism, so we claim only the intersection: make the stance explicit, not merely longer, and expect the best way of being explicit to depend on the model. A deterministic readout with no model reproduces the two-cell direction and five of seven ablation contrasts, but not length or labels, which we therefore do not claim on one instrument. Fifty hand labels (kappa=0.75) agree on direction; we print their seven disagreements in full. We also report nine withdrawn claims, three of them former title claims of this paper.
• Abstract（参考訳）: エージェントメモリシステムは、格納するものを圧縮し、圧縮は、修飾子をドロップするために構築されるので、クレームのエピステマ状態は、メモリに書き込まれても生き残らない傾向にある。 私たちはそれがどう影響するか尋ねる。 マッチノートは同一のクレームと同一のスタンスを持ち、そのスタンスがある場所でのみ異なる; 1つのモデルは同じフィラーノートの中で同じ予算の下で圧縮する。 7つのレジスターの60を超える主張は、括弧ではなくラベル付きフィールドとしてのスタンスは、2つのモデル(37が1対2、30対8、置換がp=0.00005)で保持され、ハーイクの事前登録された複製は、実行前に行われた予測と決定のルールで、+15.6ポイント、38が1である。 ラベルは(+9.7と+12.8の両方で役立ち、長さはどちらも役立ちませんが、完全な文としての姿勢は1つのモデル(+12.5)で最大の要素であり、もう1つのモデル(+0.6)では意味がありません。 いずれのモデルも、自信と異なるメカニズムをライセンスしているので、我々は、交差のみを主張する: スタンスを明確化し、単に長いだけでなく、モデルに依存するための最良の方法を期待する。 モデルのない決定論的読み出しは、2セル方向と7つのアブレーションコントラストのうち5つを再現するが、長さやラベルはない。 50のハンドラベル (kappa=0.75) が方向に同意します。 また、9件の取下げ請求を報告し、そのうち3件は、この論文のタイトル・クレームであった。

関連論文リスト

• Off-Target Effects of Response-Style Alignment in a Korean 27B Language Model [2.8678936590409028]
  本研究の目的は,不明瞭な社会的質問の棄却と証券ガイダンスの未公表の2つの行動を測定することである。 一致したターゲットフォームコントロールは、回答の妥当性がトレーニング対象に依存していることを示し、プロンプトセットやレシピのみに依存しない。
  論文  参考訳（メタデータ） (2026-09-10T09:23:04Z)
• MedQA-MM: Shortcuts Behind Medical Visual Reasoning [45.333881843709804]
  ベンチマークスコアは最終回答を信用するが、アイテムが答えられるルートではない。 医用マルチモーダル多重選択質問(MCQ)では、適切な回答が意図された画像発見によって支持されるため、この区別が重要である。 ここでは、ルートは、モデルの隠れた認識に関するクレームではなく、回答の選択をサポートすることができる観測可能な入力パスである。
  論文  参考訳（メタデータ） (2026-09-03T01:40:19Z)
• Prompt-Model Interaction Reaches the Fixed Points: A deterministic, task-free structural readout -- and the factorizations of it that failed [0.0]
  ショートウィンドウ argmax map x_t+1 = argmax_x p(x | x_t-1, x_t) の固定点構造は96 から始まる。 6つのモデルのうち4つは、ウィンドウ16で完全に失われている。 第一に、相互作用は全等級でこの読み出しに達する:条件付けの9つのトークンは、そのほとんどにわたって固定点分数を動かす。
  論文  参考訳（メタデータ） (2026-08-21T17:25:18Z)
• When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models [45.91367912142692]
  異なるモデルがいまだに同じ狭い部分集合を選択している可能性を示し、単一の引用が誤りを犯さずに、引用モノカルチャーを生成する。 3つのベンダーの11のモデルが、30のランダムなパネルから少なくとも10の論文を選択しており、実際のタイトルと抽象物があるが、作者が作り直され、再割り当て年、隠れた会場と引用数がある。
  論文  参考訳（メタデータ） (2026-08-03T14:27:46Z)
• Sixteen models, fewer than two voices: measuring ensemble dispersion where no answer is uniquely correct [37.64799781700206]
  平均して10の家系から抽出された16の言語モデルでは、精神療法ケースの1.69の異なる定式化のセマンティック多様性が生み出された。 アウトプットの分散は多様性と不確実性の両方として測定される。
  論文  参考訳（メタデータ） (2026-07-31T20:42:53Z)
• Language Models Agree With Each Other, Not With Readers [1.8620637029128544]
  我々は、その目的のために構築された誰もいない人間の参照に対する収束を測定する。 120のWebドキュメントに2,523のリードマークがある。 読者が読むものよりも確実に読者に同意するモデルはない。
  論文  参考訳（メタデータ） (2026-07-31T10:44:10Z)
• Tag Questions and the Generational Reversal of Sycophancy Across 45 Language Models [3.7734715043126488]
  2ワードの確認タグを決定問題に適用すると、言語モデルがその選択を支持しているかどうかが変わる。 我々はこのタグ効果を20個の凍結した地道な決定に対して測定する。 45以上のモデルでは、効果は+32%から-32%で、1ワードで64ポイントスイングする。
  論文  参考訳（メタデータ） (2026-07-27T04:02:00Z)
• Prompt Design at Scale: How Format, Instruction Count, and Context Length Shape Instruction Adherence and Hallucination in Large Language Models [0.0]
  2つの実験は、保持された汚染のない合成コーパス上の3つの因子全てを横断する。 実験1では,規則数Nが10から160に増加するにつれて,命令追従減衰を測定する。 実験2では, 2k-to-512k-tokenのコンテキストラグ上での精度, 虚偽の前提条件, ファクトファクトファクトファクチャリングの測定を行った。
  論文  参考訳（メタデータ） (2026-07-21T16:31:35Z)
• Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
  放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。 ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。 3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI) 4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
  論文  参考訳（メタデータ） (2026-07-19T22:27:00Z)
• PriorProof: A Point-in-Time Measure of Technique Novelty for Formal Proofs [0.23689955632456092]
  我々は、形式数学における時間相対的証明-ルート非標準性という、意図的なより狭い構成について研究する。 PriorProofは、その精巧な証明項の依存関係のフットプリントを抽出し、そのフットプリントの重み付けされた推定値をスコアする。 我々は、スコアギャップが解釈可能な信頼性指標を提供する分解可能な時間アンコール信号として、PreferProofを提案する。
  論文  参考訳（メタデータ） (2026-07-18T23:10:00Z)
• Forgetting Is Not a Fix: Path Dependence in Sequential Engram Editing [35.76482964927589]
  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。
  論文  参考訳（メタデータ） (2026-07-06T23:45:06Z)
• CAVEWOMAN: How Large Language Models Behave Under Linguistic Input and Output Compression [77.41779716950387]
  本稿では,2チャンネル評価プロトコルであるCavewomanについて述べる。 我々は5つのデータセットの8つのモデルを5つの還元レベルで評価し、両方のチャネルは同じ項目で測定した。
  論文  参考訳（メタデータ） (2026-06-23T02:56:48Z)
• One Ruler: A Same-Hands Re-Evaluation of Bivariate Causal Direction on Tuebingen, with a Parameter-Free Compression Baseline [0.0]
  我々は、同じ102ペア上で、すべてのメソッドが私たちによって実行される、Tuebingenの因果効果ペアを再評価する。 クリーンな参照ポイントとして、意図的に最小限のベースラインを導入します。 共通の統治者の下では、その地位は文学と大きく異なる。
  論文  参考訳（メタデータ） (2026-06-22T15:43:19Z)
• Isolating authorship from content with semantic embeddings and contrastive learning [49.15148871877941]
  作者は内部にスタイルとコンテンツが絡み合っている。 本稿では,意味的類似性モデルを用いて合成的に生成した強みを付加したコントラスト学習手法を提案する。 この切り離し技術は、コンテンツ埋め込み空間をスタイル埋め込み空間から遠ざけることを目的としており、スタイル埋め込みをより情報伝達する。
  論文  参考訳（メタデータ） (2024-11-27T16:08:46Z)
• Span Pointer Networks for Non-Autoregressive Task-Oriented Semantic Parsing [55.97957664897004]
  seq2seq、非自動回帰的、タスク指向を構築するための効果的なレシピは、3つのステップで発話とセマンティックフレームをマッピングする。 これらのモデルは通常、長さ予測によってボトルネックとなる。 本研究では,デコードタスクをテキスト生成からスパン予測へシフトさせる非自己回帰手法を提案する。
  論文  参考訳（メタデータ） (2021-04-15T07:02:35Z)
• A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
  より弱い仮定として, 2$-adjacency faithfulness を提案します。 より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
  論文  参考訳（メタデータ） (2020-10-27T13:04:08Z)

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。