論文の概要: ChronoState: Hidden Elapsed-Time Conditioning for Temporal-State Action Selection in Frozen-Backbone Language Models
- arxiv url: http://arxiv.org/abs/2608.09124v1
- Date: Mon, 10 Aug 2026 05:03:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.08728
- Title: ChronoState: Hidden Elapsed-Time Conditioning for Temporal-State Action Selection in Frozen-Backbone Language Models
- Title（参考訳）: 凍結・バックボーン言語モデルにおける時間的行動選択のための隠れた経過時間条件
- Abstract要約: 言語モデルシステムにおける時間的決定は、しばしば象徴的なタスク状態と経過したウォールクロック時間の両方に依存する。
本研究では, 凍結したバックボーン言語モデルを用いて, 時間経過が非トーケン系スカラーとして提供され, 可視的シンボル状態で構成できるかどうかを考察した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Temporal decisions in language-model systems often depend on both symbolic task state and elapsed wall-clock time, such as cache expiration, job completion, quota resets, deadlines, or stale sessions. We study whether elapsed time can be supplied as a non-token, system-side scalar and composed with visible symbolic state by a frozen-backbone language model. We introduce ChronoState, a compositional temporal-state benchmark in which symbolic state appears in the prompt, elapsed seconds tau are supplied through a hidden chronometric-injection channel, and the model selects a forced-choice temporal action. Here, "hidden" means hidden from the user-visible token sequence, not from model computation. Using Qwen2.5-3B-Instruct as a frozen bf16 backbone with a 31-dimensional sinusoidal-plus-log time encoding, gated FiLM residual modulation, and a rank-8 LoRA action surface, hidden-time CI reaches 0.9305 +/- 0.0134 accuracy and 0.9410 +/- 0.0103 balanced accuracy. No-time and shuffled-time controls fall to 0.5511 +/- 0.0042 and 0.3323 +/- 0.0097, respectively, with high shuffled-time wrong-state consistency supporting causal dependence on the injected scalar within the trained distribution. Generalization remains strong for held-out templates, durations, and multi-constraint compositions, but held-out quota-family transfer is weak at 0.5065 +/- 0.0559, while a fair prompt+LoRA timestamp baseline reaches 0.9893 +/- 0.0052. Thus, ChronoState supports a narrow conclusion: hidden elapsed time can be composed with symbolic task state under direct supervision, but does not establish autonomous time tracking, broad unseen-family abstraction, or superiority over prompt-injected timestamps.
- Abstract（参考訳）: 言語モデルシステムにおける時間決定は、しばしば、キャッシュの有効期限、ジョブ完了、クォータリセット、期限、古いセッションなど、象徴的なタスク状態と経過したウォールクロック時間の両方に依存する。
本研究では, 凍結したバックボーン言語モデルを用いて, 時間経過が非トーケン系スカラーとして提供され, 可視的シンボル状態で構成できるかどうかを考察した。
提案するChronoStateは,プロンプトにシンボル状態が出現し,時間経過秒タウが隠れクロノメトリインジェクションチャネルを介して供給され,そのモデルが強制選択時動作を選択する,構成時状態ベンチマークである。
ここでの"隠れ"とは、モデル計算ではなく、ユーザ可視のトークンシーケンスから隠れたことを意味する。
Qwen2.5-3B-Instruct を31次元の正弦波+ログ時間符号化、ゲートFiLM残差変調、ランク8のLORA作用表面を持つ冷凍 bf16 バックボーンとして使用すると、隠れ時間 CI は 0.9305 +/- 0.0134 の精度と 0.9410 +/- 0.0103 のバランスの取れた精度に達する。
0.5511 +/- 0.0042 と 0.3323 +/- 0.0097 は、訓練された分布内で注入されたスカラーへの因果依存性を支持する高いシャッフル時間不整合である。
保留テンプレート、持続時間、多制約組成物の一般化は依然として強く、保留クォータ族移動は0.5065 +/- 0.0559で弱く、公正なプロンプト+LoRAタイムスタンプベースラインは0.9893 +/- 0.0052に達する。
このように、ChronoStateは狭い結論を支持している。隠された経過時間は、直接監督下の象徴的なタスクステートで構成することができるが、自律的な時間追跡、広範囲な未確認の抽象、あるいは、プロンプト注入されたタイムスタンプよりも優越性を確立しない。
関連論文リスト
- GigaChat Audio: Time-aware Large Audio Language Model [65.51589021112385]
最大120分以上の入力を明示的にタイムスタンプで解答する時間認識型オーディオLLMを提案する。
提案手法は,カスケードパイプラインからの大規模合成監督を用いて,周期的時間マーカーと連続的な音声トークンをインターリーブする。
論文 参考訳（メタデータ） (2026-07-11T16:34:25Z) - Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations [59.34593956287438]
Aionoscope(アイオノスコープ)は、凍結した時系列表現における潜在状態のアクセシビリティを検査するための診断ツールである。
アイオノスコープはプロセス生成を観察レンダリングから切り離し、正確な分類と密度のラベルを持つシード合成ストリームを生成する。
論文 参考訳（メタデータ） (2026-07-01T13:54:20Z) - TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。
現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。
Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
論文 参考訳（メタデータ） (2026-05-11T13:23:14Z) - TIDES: Implicit Time-Awareness in Selective State Space Models [0.0]
連続時間SSMは不規則なタイムスタンプを扱うが、その力学は線形時間不変(LTI)のままである。
選択型および連続型アーキテクチャを再構成する選択型SSMである textbfTIDES を提案する。
TIDESは、UEA時系列分類とPhysome-ODEレグレッションベンチマークに基づいて、最先端の平均ランクを新たに設定する。
論文 参考訳（メタデータ） (2026-05-10T20:34:06Z) - TimeTok: Granularity-Controllable Time-Series Generation via Hierarchical Tokenization [51.417830800990764]
TimeTokは、Granularity-Controllable Time-Series Generationの統一フレームワークである。
TimeTokの中核は階層的なトークン化戦略であり、時系列を順序付けられたトークン列にマッピングする。
TimeTokはGC-TSGタスクに優れ、標準世代で最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-05-02T12:30:52Z) - Evaluating Temporal Consistency in Multi-Turn Language Models [5.535674707194489]
言語モデルは、ユーザが独立してではなく、時間とともに事実を判断する、インタラクティブな設定にますますデプロイされています。
我々はこの課題を時間的スコープ安定性のレンズを通して研究する。
制御されたマルチターン相互作用における時間的スコープの挙動を分離する大規模診断ベンチマークであるChronoScopeを紹介する。
論文 参考訳（メタデータ） (2026-04-24T22:44:21Z) - TempoFit: Plug-and-Play Layer-Wise Temporal KV Memory for Long-Horizon Vision-Language-Action Manipulation [16.28432866472846]
我々は、状態レベルのメモリを通じて凍結したビジョン・ランゲージ・アクションポリシーをアップグレードする、トレーニング不要の時間的修正であるTempoFitを紹介する。
私たちの重要な洞察は、プレフィックスアテンションK/Vが、すでにモデルネイティブで、コンテンツ順応可能なランタイム状態を形成しています。
LIBERO-LONGでは、TempoFitは、ほぼリアルタイムのレイテンシを維持しながら、最大4.0%の成功率で、トレーニング済みの強いバックボーンを改善している。
論文 参考訳（メタデータ） (2026-03-08T14:17:25Z) - TS-Haystack: A Multi-Scale Retrieval Benchmark for Time Series Language Models [4.387988928531881]
時系列言語モデル(TSLM)は、自然言語における連続的な信号の推論のための統一モデルとして登場している。
既存のモデルは通常、短いシーケンスでトレーニングされ、評価されるが、現実の時系列センサーストリームは数百万のデータポイントにまたがる。
TS-Haystackは4つのカテゴリにまたがる10のタスクタイプからなる長期コンテキストの時間的評価ベンチマークである。
論文 参考訳（メタデータ） (2026-02-15T15:50:02Z) - DisTime: Distribution-based Time Representation for Video Large Language Models [23.176698643825123]
DisTimeは、ビデオLLMにおける時間的理解を強化するために設計された軽量フレームワークである。
DisTimeは、連続的な時間的埋め込みスペースを作成するために学習可能なトークンを使用する。
DisTimeは3つの時間に敏感なタスクでベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-05-30T08:10:18Z) - Prune Spatio-temporal Tokens by Semantic-aware Temporal Accumulation [89.88214896713846]
STAスコアは、時間的冗長性と意味的重要性の2つの重要な要因を考慮に入れている。
市販のビデオトランスフォーマーとビデオウィンにSTAモジュールを適用する。
結果: Kinetics-400 と something-Something V2 は 30% のオーバーシェルフ削減を実現し,0.2% の精度低下を実現した。
論文 参考訳（メタデータ） (2023-08-08T19:38:15Z) - Persistence-Based Discretization for Learning Discrete Event Systems
from Time Series [50.591267188664666]
Persistは、永続化スコアと呼ばれるスコアを使用して永続的なシンボルを作成するための離散化手法である。
パーシステンススコアで用いられる計量であるクルバック・リーブラーの発散をワッサーシュタイン距離に置き換える。
実験により、改善された永続化スコアは、パーシストが元の時系列の情報を取得する能力を高めることが示されている。
論文 参考訳（メタデータ） (2023-01-12T14:10:30Z)
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。