論文の概要: Margin-Regularized Structured Semantic Alignment for Brain-Language Correspondence

• arxiv url: http://arxiv.org/abs/2608.16975v1
• Date: Mon, 17 Aug 2026 14:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.084819
• Title: Margin-Regularized Structured Semantic Alignment for Brain-Language Correspondence
• Title（参考訳）: 脳言語対応のためのMargin-regularized Structured Semantic Alignment
• Abstract要約: MD-SigLIPは、脳の埋め込みとテキストの埋め込みを共有セマンティック空間に合わせることを目的としており、検索ベースのデコードを可能にする。 この定式化は、ニューラル表現と言語意味論の対応を明示的なモデリングを可能にする。 実験では、全語彙とサブセット評価設定の両方で、最先端の検索性能を示す。
• 参考スコア（独自算出の注目度）: 7.7737164302813895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of large language models, brain-language decoding has achieved remarkable progress. However, it remains unclear whether decoded content genuinely reflects neural representations or is largely reconstructed by the language model itself. This ambiguity limits interpretability and hinders the investigation of intrinsic brain-language correspondence. To address this challenge, we propose MD-SigLIP. This margin-regularized structured semantic alignment framework directly aligns brain embeddings with text embeddings in a shared semantic space, enabling retrieval-based decoding. This formulation enables explicit modeling of the correspondence between neural representations and language semantics. Building upon duplicate-aware sigmoid contrastive learning, we introduce a listwise margin-regularized term that enforces structured ranking constraints between positive semantic clusters and negative samples. By modeling multi-positive semantic structure and margin-based ordering simultaneously, the method captures the manifold organization of language embeddings reflected in neural signals. Experiments demonstrate state-of-the-art retrieval performance under both full-vocabulary and subset evaluation settings.
• Abstract（参考訳）: 大規模言語モデルの急速な進歩により、脳-言語復号化は目覚ましい進歩を遂げた。 しかし、デコードされたコンテンツが真に神経表現を反映しているか、言語モデル自体によって大きく再構成されているかは、まだ不明である。 この曖昧さは解釈可能性に制限を与え、本質的な脳-言語対応の研究を妨げる。 この課題に対処するため,MD-SigLIPを提案する。 この辺縁規則化された構造化セマンティックアライメントフレームワークは、脳の埋め込みと共有セマンティック空間のテキスト埋め込みを直接整列し、検索ベースのデコードを可能にする。 この定式化は、ニューラル表現と言語意味論の対応を明示的なモデリングを可能にする。 重複認識型シグモイド・コントラスト学習を基礎として,正のセマンティッククラスタと負のサンプル間の構造的ランキング制約を強制するリストワイド・マージン・レギュラライズド・用語を導入する。 多陽性なセマンティック構造とマージンに基づく順序付けを同時にモデル化することにより、ニューラルネットワークに反映された言語埋め込みの多様体構造をキャプチャする。 実験では、全語彙とサブセット評価設定の両方で、最先端の検索性能を示す。

関連論文リスト

• The Semantic Bottleneck: Leveraging Semantic Representations for Non-Invasive Speech Decoding [1.6721602990895612]
  本稿では,中間的なセマンティックな埋め込み空間を通じてテキストを再構築するBrain2Semantics2Textを紹介する。 我々のモデルは文レベルのMEG応答を意味多様体にマッピングし、予測された埋め込みを自然言語に反転させる。 このセマンティックボトルネックは、単語レベルのアライメントなしで高レベルの意味の回復を可能にする。
  論文  参考訳（メタデータ） (2026-09-09T15:11:57Z)
• Cross-Subject Semantic Decoding with Shared-Space Alignment for Generalized Neural Representation Learning [80.18561652862725]
  被験者全体にわたる一般化は、侵襲的なニューラル記録において難しいままである。 本稿では,複数の被験者からの音声知覚に対するニューラル応答を共有潜在空間に整列させるクロスオブジェクトセマンティックデコーディングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-03T03:59:16Z)
• Weave of Formal Thought [51.56484100374058]
  WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。 本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。 Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
  論文  参考訳（メタデータ） (2026-06-24T15:58:11Z)
• MindAlign: Decoding Inner Speech from fMRI Signals via Multimodal Embedding Alignment under Limited Data [4.280521231404364]
  我々は,fMRI信号からのオープンエンドテキスト生成を可能にする2段階の脳言語フレームワークであるMindAlignを提案する。 サイレント画像記述中に収集されたfMRIデータの実験により、提案手法はfMRIのみのベースラインとランダムなベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-15T08:30:03Z)
• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• Pixel Sentence Representation Learning [67.4775296225521]
  本研究では,視覚表現学習プロセスとして,文レベルのテキスト意味論の学習を概念化する。 タイポスや単語順シャッフルのような視覚的に接地されたテキスト摂動法を採用し、人間の認知パターンに共鳴し、摂動を連続的に認識できるようにする。 我々のアプローチは、大規模に教師なしのトピックアライメントトレーニングと自然言語推論監督によってさらに強化されている。
  論文  参考訳（メタデータ） (2024-02-13T02:46:45Z)
• Constructing Word-Context-Coupled Space Aligned with Associative Knowledge Relations for Interpretable Language Modeling [0.0]
  事前訓練された言語モデルにおけるディープニューラルネットワークのブラックボックス構造は、言語モデリングプロセスの解釈可能性を大幅に制限する。 解釈不能なニューラル表現と解釈不能な統計論理のアライメント処理を導入することで,ワードコンテキスト結合空間(W2CSpace)を提案する。 我々の言語モデルは,関連する最先端手法と比較して,優れた性能と信頼性の高い解釈能力を実現することができる。
  論文  参考訳（メタデータ） (2023-05-19T09:26:02Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• 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)
• Does injecting linguistic structure into language models lead to better alignment with brain recordings? [13.880819301385854]
  言語モデルと脳記録との整合性は,構文的あるいは意味論的フォーマリズムからのアノテーションに偏りがある場合と評価する。 提案手法は,脳内の意味の組成について,より標的となる仮説の評価を可能にする。
  論文  参考訳（メタデータ） (2021-01-29T14:42:02Z)

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。