論文の概要: Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model

• arxiv url: http://arxiv.org/abs/2608.09222v1
• Date: Mon, 10 Aug 2026 07:46:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.129735
• Title: Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model
• Title（参考訳）: 単語における判断としての読み上げ認知:因子的逆決定モデル
• Abstract要約: 逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。 本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
• 参考スコア（独自算出の注目度）: 67.84198127797005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse decision modeling infers latent properties of decision processes from observed behavior, but existing formulations rely primarily on action trajectories. In verbalized cognitive tasks, task execution also produces response dynamics that action-only formulations leave unmodeled, such as verbal production, interaction, and hesitation. We propose a factorized inverse decision model (FIDM) that decomposes each individual's task-execution likelihood into an action factor and an effort factor, governed by separate individual-specific parameters. From raw verbal transcripts, a language model produces structured task-execution traces for factorized inference. On data from 400 older adults performing a grocery-shopping dialog task for cognitive screening, controlled recovery shows selective estimation of the intended factors, while matched semi-synthetic conditions show that FIDM preserves action-execution distinctions even when aggregate behavioral summaries are matched. Action evidence further localizes task-defined deviations across participants. In cognitive-status classification, FIDM provides information complementary to clinical scores, trajectory summaries, and frozen language representations, with consistent gains across all evaluated baselines in the binary setting.
• Abstract（参考訳）: 逆決定モデリングは、観察された行動から決定過程の潜在特性を推測するが、既存の定式化は主に行動軌跡に依存する。 言語化された認知タスクでは、タスクの実行はまた、行動のみの定式化が、口語生成、相互作用、およびためらみといった、未モデル化のまま残される応答ダイナミクスも生成する。 本稿では,各個人のタスク実行可能性を,個別のパラメータによって支配される行動要因と努力要因に分解する因子化逆決定モデルを提案する。 原文の文章から、言語モデルは、分解された推論のための構造化されたタスク実行トレースを生成する。 認知スクリーニングのための食料品販売ダイアログタスクを行う400人の高齢者のデータから、制御されたリカバリは意図した要因の選択的推定を示し、一致した半合成条件は、集合行動サマリーが一致してもFIDMが行動実行の区別を保っていることを示している。 アクションエビデンスはさらに、参加者間のタスク定義の偏差をローカライズする。 認知統計分類において、FIDMは臨床スコア、軌跡要約、凍結言語表現を補完する情報を提供する。

関連論文リスト

• Modeling Pathology-Like Behavioral Patterns in Language Models Through Behavioral Fine-Tuning [0.0]
  大規模言語モデルは、人間のような振る舞いをモデル化するための計算ツールとして、ますます使われている。 本稿では,構造化意思決定タスクの微調整によるモデルポリシーの修正を行う行動誘導フレームワークを提案する。 次に、この挙動最適化が生成分布の系統的変化をもたらすかどうかを検証する。
  論文  参考訳（メタデータ） (2026-05-21T11:42:38Z)
• Automatically Finding and Validating Unexpected Side-Effects of Interventions on Language Models [0.9099663022952497]
  本研究では,大規模言語モデルに対する介入の行動的影響を評価するための,自動化されたコントラスト評価パイプラインを提案する。 我々は, 既知の行動変化を注入することにより, 合成条件下でのアプローチを評価し, パイプラインがそれらを確実に回復することを示す。 全体として、パイプラインは、介入によって引き起こされるモデル行動の変化のホック後の監査のための統計的に根拠付き、解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2026-05-06T16:27:23Z)
• Can large language models interpret unstructured chat data on dynamic group decision-making processes? Evidence on joint destination choice [0.0]
  本研究では,グループチャットから意思決定プロセスの解釈において,人間のアノテーションを自動補完する大規模言語モデルの可能性を評価する。 我々は知識獲得プロセスにインスパイアされたプロンプトフレームワークを設計し、重要な意思決定要因を逐次抽出した。 結果は、LLMが明確な決定要因を確実に捉える一方で、人間のアノテータが容易に識別できる暗黙の要因を特定するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-09T07:08:49Z)
• A Cooperative Multi-Agent Framework for Zero-Shot Named Entity Recognition [71.61103962200666]
  ゼロショット名付きエンティティ認識(NER)は、注釈のないテキストコーパスからエンティティ認識システムを開発することを目的としている。 最近の研究は、特別なプロンプトテンプレートを作成することで、ゼロショットNERに大規模な言語モデル(LLM)を適用している。 ゼロショットNERのための新しいフレームワークである協調型マルチエージェントシステム(CMAS)を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T23:30:43Z)
• Composable Part-Based Manipulation [61.48634521323737]
  本稿では,ロボット操作スキルの学習と一般化を改善するために,構成可能な部品ベース操作(CPM)を提案する。 CPMは構成可能な拡散モデルの集合で構成され、各モデルは異なるオブジェクト間の対応をキャプチャする。 シミュレーションおよび実世界のシナリオにおいて、我々のアプローチを検証し、ロバストかつ一般化された操作能力を達成する上での有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-09T16:04:14Z)
• Estimating the Causal Effects of Natural Logic Features in Transformer-Based NLI Models [16.328341121232484]
  文脈介入の効果を測定するために因果効果推定手法を適用した。 本研究はトランスフォーマーの無関係な変化に対する堅牢性と影響の高い変化に対する感受性について検討する。
  論文  参考訳（メタデータ） (2024-04-03T10:22:35Z)
• Revisiting Demonstration Selection Strategies in In-Context Learning [66.11652803887284]
  大規模言語モデル(LLM)は、インコンテキスト学習(ICL)を用いて広範囲のタスクを実行するという印象的な能力を示している。 本研究ではまず,データとモデルの両方の側面から,この分散に寄与する要因を再検討し,実演の選択がデータとモデルに依存していることを確かめる。 本研究では,データとモデルに依存した実演選択手法である textbfTopK + ConE を提案する。
  論文  参考訳（メタデータ） (2024-01-22T16:25:27Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Local Explanation of Dialogue Response Generation [77.68077106724522]
  反応生成の局所的説明(LERG)は、生成モデルの推論過程に関する洞察を得るために提案される。 LERGは、シーケンス予測を人間の応答の不確実性推定とみなし、入力を摂動させ、人間の応答に対する確実性の変化を計算することによって説明を作成する。 提案手法は, 提案手法を改良し, 提案手法の4.4～12.8%を改良した。
  論文  参考訳（メタデータ） (2021-06-11T17:58:36Z)
• Composed Variational Natural Language Generation for Few-shot Intents [118.37774762596123]
  現実的な不均衡シナリオにおいて、数ショットのインテントに対するトレーニング例を生成します。 生成した発話の質を評価するために、一般化された複数ショット意図検出タスクについて実験を行った。 提案モデルでは,2つの実世界の意図検出データセットに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-09-21T17:48:43Z)
• A Meta-Bayesian Model of Intentional Visual Search [0.0]
  本稿では,分類的知覚とササード計画の根底にある神経機構のベイズ的解釈を取り入れたビジュアルサーチの計算モデルを提案する。 擬似行動と人的行動の有意義な比較を可能にするため、参加者は視線に追従する窓から隠蔽されたMNIST桁を分類する必要がある。 本モデルは,観察された人間の行動から主観的パラメータを回収し,高い解釈可能性を維持しながら,分類精度などの人間の行動指標を再カプセル化することができる。
  論文  参考訳（メタデータ） (2020-06-05T16:10:35Z)

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。