論文の概要: When the Feature Pool Goes Algorithmic: Extending Mufwene's Ecology of Language Evolution to LLM-Mediated Exposure

• arxiv url: http://arxiv.org/abs/2608.21088v1
• Date: Fri, 21 Aug 2026 13:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.553617
• Title: When the Feature Pool Goes Algorithmic: Extending Mufwene's Ecology of Language Evolution to LLM-Mediated Exposure
• Title（参考訳）: 特徴プールのアルゴリズム化 - Mufwene の言語進化エコロジーを LLM-Mediated Exposure に拡張する
• Abstract要約: ミューフワインの生態モデルでは、個々の慣用句が貢献する変種間の競争における言語の進化を突き止めている。 大規模言語モデル(LLM)は、人間の話者から離れるために選択の軌跡を必要とせずに、このアーキテクチャを複雑にする。 私は、結果として生じる生態過程を、話者アクセス可能な分布のアルゴリズム的再重み付けと呼んでいる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mufwene's ecological model locates language evolution in competition among variants contributed by individual idiolects and in speakers' selection from linguistic material made available through interaction. Large language models (LLMs) complicate this architecture without requiring the locus of selection to move away from human speakers. This article argues that LLMs are best treated as distributional mediators: they aggregate language produced across human populations, transform its distribution through training and post-training, and redistribute model-specific outputs at scale. I call the resulting ecological process algorithmic reweighting of the speaker-accessible distribution: model mediation can alter the relative frequencies with which competing variants reach human selectors. Emerging evidence on model-specific linguistic profiles and lexical uptake is consistent with parts of this pathway, but does not establish inevitable convergence. Human social evaluation remains decisive: model-associated forms may diffuse and become conventionalized, become socially recognizable as 'AI-like' and subsequently avoided, or fail to diffuse in the first place. The proposal extends Mufwene's feature-pool ecology one step upstream of speaker selection and yields testable predictions about uptake, model-version effects, convergence, and social reversal.
• Abstract（参考訳）: ミューフワインの生態モデルでは、個々の慣用句が貢献する変種間の競合や、対話を通じて利用可能な言語資料から話者が選択する言語進化が検出される。 大規模言語モデル(LLM)は、人間の話者から離れるために選択の軌跡を必要とせずに、このアーキテクチャを複雑にする。 本論では, LLM は, 人体で生産される言語を集約し, トレーニングやポストトレーニングを通じてその分布を変換し, モデル固有のアウトプットを大規模に再配布する, 分散媒介者として最適である,と論じる。 モデルメディエーションは、競合する変種が人間のセレクタに到達する相対周波数を変化させることができます。 モデル固有の言語プロファイルと語彙の取り込みに関する新たな証拠は、この経路の一部と一致しているが、避けられない収束を確立していない。 モデル関連形式は拡散し、一般化し、社会的に「AI様」と認識され、その後避けられ、そもそも拡散しない。 この提案は、Mufwene氏の特徴プール生態学を話者選択の1ステップアップストリームに拡張し、獲得、モデル反転効果、収束、社会的反転に関する検証可能な予測をもたらす。

関連論文リスト

• Linguistic Monoculture in LLM-Assisted Language Use [6.525195905471158]
  著者と大規模言語モデルが言語的特徴の分布として表現される数学的枠組みを開発する。 得られた平衡と収束率を特徴付け、共有モデルが著者を共通の規範へと導くことを示す。 そして、整合性は、明確さ、正当性、そして独特なスタイルに対する偏見から私的利益を取り除いた戦略的選択として内在化します。
  論文  参考訳（メタデータ） (2026-07-29T17:04:36Z)
• Task Ecologies and the Evolution of World-Tracking Representations in Large Language Models [0.0]
  本研究では,言語モデルを進化型モデル生物として研究し,自己回帰学習が世界追跡表現をいつ選択するかを問う。 潜在世界状態の符号化について、ベイズ最適次トーケンクロスエントロピーは、既約条件エントロピーとジェンセン-シャノン過剰項に分解される。 これにより、言語モデルに対する生態学的検証性の正確な概念が得られる。
  論文  参考訳（メタデータ） (2026-04-07T06:06:49Z)
• Tokenization and Morphological Fidelity in Uralic NLP: A Cross-Lingual Evaluation [9.23725598061561]
  本研究は3つのサブワードパラダイムであるByte Pairを体系的に比較する。 BPE(Overlap BPE)、OBPE(Overlap BPE)、Unigram Language Model(Unigram Language Model)。 OBPEは従来手法よりも強い形態的アライメントとタグ付け精度を実現する。
  論文  参考訳（メタデータ） (2026-02-04T05:59:25Z)
• A Probability--Quality Trade-off in Aligned Language Models and its Relation to Sampling Adaptors [50.046717886067555]
  一致した言語モデルからコーパスをサンプリングする場合,文字列の平均報酬と平均ログ類似度との間にはトレードオフが存在することを示す。 我々は、この現象を形式的に処理し、サンプリングアダプタの選択が、どれだけの確率で報酬を交換できるかを選択できるかを実証する。
  論文  参考訳（メタデータ） (2024-06-14T17:38:21Z)
• SpeechAlign: Aligning Speech Generation to Human Preferences [51.684183257809075]
  本稿では,言語モデルと人間の嗜好を一致させる反復的自己改善戦略であるSpeechAlignを紹介する。 我々は、SpeechAlignが分散ギャップを埋め、言語モデルの継続的自己改善を促進することができることを示す。
  論文  参考訳（メタデータ） (2024-04-08T15:21:17Z)
• BrainLLM: Generative Language Decoding from Brain Recordings [77.66707255697706]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
  この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。 自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。 このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-10-10T03:06:38Z)
• Coherent Wave Dynamics and Language Generation of a Generative Pre-trained Transformer [0.7832189413179361]
  我々は、GPT(Generative Pretrained Transformer)における隠れ状態とチャネル波のダイナミクスを解析する。 この結果から,波動力学は言語生成における文脈認識の可塑性と表現性とともに,連続的かつ繰り返し可能な固有振動モードを提供することが示された。 さらに,様々なレベルのモデル学習におけるテキストシーケンス生成におけるスペルエラーのポアソン統計について検討した。
  論文  参考訳（メタデータ） (2023-05-08T21:35:12Z)
• Discretization and Re-synthesis: an alternative method to solve the Cocktail Party Problem [65.25725367771075]
  この研究は、初めて合成に基づくアプローチがこの問題にうまく対応できることを示した。 具体的には,離散シンボルの認識に基づく音声分離/強調モデルを提案する。 離散シンボルの入力による合成モデルを利用することで、離散シンボル列の予測後、各ターゲット音声を再合成することができる。
  論文  参考訳（メタデータ） (2021-12-17T08:35:40Z)
• Factorized Neural Transducer for Efficient Language Model Adaptation [51.81097243306204]
  空白および語彙予測を分解し,ニューラルトランスデューサの因子化モデルを提案する。 この因子化は、音声認識のためのトランスデューサにスタンドアロン言語モデルの改善を移すことが期待できる。 提案した因子化ニューラルトランスデューサは、言語モデル適応にドメイン外テキストデータを使用する場合、15%から20%のWER改善が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-27T15:04:00Z)
• Evaluating Models of Robust Word Recognition with Serial Reproduction [8.17947290421835]
  広範囲確率的生成言語モデルと人間の言語的期待を捉える能力の比較を行った。 先行した言語的文脈の抽象表現を利用するこれらのモデルは、連続再生の過程で人々が行った変化を最もよく予測する。
  論文  参考訳（メタデータ） (2021-01-24T20:16:12Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)

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。