論文の概要: Same physical state, different collective dynamics: state encodings select synchronization outcomes in language-model agents

• arxiv url: http://arxiv.org/abs/2608.06968v1
• Date: Fri, 07 Aug 2026 08:44:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.420626
• Title: Same physical state, different collective dynamics: state encodings select synchronization outcomes in language-model agents
• Title（参考訳）: 同じ物理状態、異なる集合力学:言語モデルエージェントにおける状態エンコーディングが同期結果を選択する
• Authors: Takahiro Ezaki, Naoto Imura, Katsuhiro Nishinari,
• Abstract要約: 言語モデルエージェントは環境の状態エンコーディングに作用するが、これらは交換可能なインターフェースとして扱われる。 事前訓練された言語モデルを用いて、物理系を固定したまま状態符号化の介入を適用した円形同期実験を設計した。 状態エンコーディングは、中立インターフェースではなく、モデル依存の効果的な相互作用法則の一部を構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language-model agents act on state encodings of their environment, yet these are treated as interchangeable interfaces. Using pretrained language models, we designed a circular-synchronization experiment applying a state-encoding intervention while holding the physical system fixed: each agent sees only a summary of its neighbours' relative phases and chooses to advance, stay or retard. Encoding that state as low-order circular moments rather than as a histogram selected different collective outcomes. In GPT the moment encoding synchronized the population in 6/6 seeds and the histogram encodings in 0/6; the effect replicated in Claude but reversed direction. Replaying identical fields shifted each agent's advance/stay/retard probabilities far beyond within-encoding repeat variation, in GPT, Claude and Gemini; in GPT, presentation alone shifted the operator with the moment values fixed. State encodings therefore form part of a model-dependent effective interaction law, not a neutral interface.
• Abstract（参考訳）: 言語モデルエージェントは環境の状態エンコーディングに作用するが、これらは交換可能なインターフェースとして扱われる。 事前学習した言語モデルを用いて、物理系を固定した状態で状態符号化の介入を適用した円形同期実験を設計した。 この状態をヒストグラムではなく低次の円モーメントとしてエンコードし、異なる集合結果を選択した。 GPTでは、6/6シードの個体群と0/6のヒストグラムの個体群を同期させた。 同一フィールドの再生は、GPT、Claude、Geminiにおいて、各エージェントの前進/安定/リタード確率を、内部エンコードリピート変動よりもはるかに大きくシフトさせ、GPTでは、プレゼンテーションのみにモーメント値が固定された演算子をシフトさせた。 したがって状態符号化は、中立インターフェースではなく、モデル依存の効果的な相互作用法則の一部を構成する。

関連論文リスト

• Mean-Field Parallel Decoding for Discrete Diffusion Language Models [47.086589631406035]
  並列更新をコーディネートするトレーニングフリーなデコードフレームワークを導入する。 変動緩和は、矛盾する同時コミットを抑制する単純な固定点更新をもたらす。 推論とコード生成ベンチマークの実験では、品質とレイテンシのトレードオフが一貫した改善を示している。
  論文  参考訳（メタデータ） (2026-06-14T13:17:58Z)
• CineOrchestra: Unified Entity-Centric Conditioning for Cinematic Video Generation [57.47993858752813]
  CineOrchestraは、被写体、イベント、カメラ、ショットトランジションを同時に制御する統合ビデオ拡散モデルである。 私たちの重要な洞察は、これらの異質な映画要素が基本的な構造を共有しているということです。 CineOrchestraは、高密度キャプションとショット・トランジションのタイミングで、アクセントあたりのスペシャリスト6人を上回っている。
  論文  参考訳（メタデータ） (2026-06-11T17:59:10Z)
• OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
  予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。 トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。 エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T07:50:00Z)
• On the synchronization between Hugging Face pre-trained language models and their upstream GitHub repository [11.828311976126303]
  事前訓練された言語モデル(PTLM)は、高度な自然言語処理(NLP)を持つ。 PTLMはアップストリームリポジトリ(GitHub、GHなど)のコードと環境スクリプトを使用してトレーニングされ、Hugging Face (HF)のような下流プラットフォーム経由で変種として配布される。 GHとHFのコーディネート開発は、不整合リリーススケジュール、一貫性のないバージョニング、PTLMバリアントの限定的な再利用といった課題を生んでいる。
  論文  参考訳（メタデータ） (2025-08-13T19:45:09Z)
• Motion2Language, unsupervised learning of synchronized semantic motion segmentation [0.0]
  動作から言語への変換と同期のためのシーケンスアーキテクチャの構築について検討する。 目的は、モーションキャプチャ入力を英語の自然言語記述に変換し、その記述が実行された動作と同期して生成されるようにすることである。 本稿では、同期/ライブテキスト生成に適した局所的注意の新たな再帰的定式化と、改良されたモーションエンコーダアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:16:32Z)
• Just One Byte (per gradient): A Note on Low-Bandwidth Decentralized Language Model Finetuning Using Shared Randomness [86.61582747039053]
  分散環境での言語モデルトレーニングは、交換の通信コストによって制限される。 分散微調整を低帯域幅で行うために,共有ランダムネスを用いた最近の作業を拡張した。
  論文  参考訳（メタデータ） (2023-06-16T17:59:51Z)
• SimulEval: An Evaluation Toolkit for Simultaneous Translation [59.02724214432792]
  テキストと音声の同時翻訳は、リアルタイムと低レイテンシのシナリオに焦点を当てている。 SimulEvalは、テキストと音声の同時翻訳のための、使いやすくて汎用的な評価ツールキットである。
  論文  参考訳（メタデータ） (2020-07-31T17:44:41Z)
• Consistent Multiple Sequence Decoding [36.46573114422263]
  一貫性のある多重シーケンスデコーディングアーキテクチャを導入する。 このアーキテクチャは任意の数のシーケンスを一貫した同時復号化を可能にする。 重回帰画像キャプションにおける一貫した多重シーケンスデコーダの有効性を示す。
  論文  参考訳（メタデータ） (2020-04-02T00:43:54Z)
• Non-Autoregressive Machine Translation with Disentangled Context Transformer [70.95181466892795]
  最先端のニューラルネットワーク翻訳モデルは、左から右への翻訳を生成し、各ステップは以前に生成されたトークンに条件付けされる。 本研究では,異なるコンテキストのトークンを同時に生成するDisentangled Context (DisCo) 変換器を提案する。 本モデルでは,非自己回帰型機械翻訳技術と比較して性能が向上する一方,デコーディング時間の平均は大幅に減少する。
  論文  参考訳（メタデータ） (2020-01-15T05:32:18Z)

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。