論文の概要: Do Recipes Have Personas? Characterizing and Generating Creator Style in Attributed Procedural Graphs

• arxiv url: http://arxiv.org/abs/2608.24369v1
• Date: Tue, 25 Aug 2026 10:28:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.940448
• Title: Do Recipes Have Personas? Characterizing and Generating Creator Style in Attributed Procedural Graphs
• Title（参考訳）: レシピはペルソナを持つか? -分散手続きグラフにおけるクリエータースタイルの特徴と生成-
• Abstract要約: 本稿では、一般的な料理ビデオの書き起こしから抽出した手続き的に整列された実行フローグラフのデータセットであるViralRecipesTransを紹介する。 手続き型スタイメトリーをグラフ学習およびプロセス発見タスクとして定式化し、基本的な双対性を明らかにする。 私たちはフレームワークを新しい生成タスクに拡張し、見知らぬ料理のためのクリエーターの正確な構造的実行グラフを予測します。
• 参考スコア（独自算出の注目度）: 3.5284752064287552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While large language models (LLMs) possess vast zero-shot procedural knowledge, their tendency to produce homogenized logic often obscures the unique, idiosyncratic execution processes of individual human creators. In this paper, we investigate the computational discovery of procedural personas from unstructured data. To achieve this, we introduce ViralRecipesTrans, a new dataset of procedurally aligned execution flow graphs extracted from popular culinary video transcripts and explicitly mapped to specific creators. We formulate procedural stylometry as a graph learning and process discovery task, revealing a fundamental duality: while traditional lexical classifiers overfit via semantic leakage, discrete topological metrics successfully capture the rigid physical constraints of a creator's workflow. Building upon this characterization, we extend our framework into a novel generative task--predicting a creator's exact structural execution graph for unseen dishes. We expose a fundamental dichotomy in style generation between global macro-planning and local structural execution. Our results demonstrate that few-shot LLMs dominate semantic assignment but suffer from persistent macro-planning deficits, whereas our structured two-stage model achieves superior topological control via rigid Markovian priors. Together, an ensemble approach to procedural generation combines the strengths from both sides, dynamically synthesizing global semantic reasoning with localized topological footprints to automate the discovery and generation of personalized workflows.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、膨大なゼロショットの手続き的知識を持っているが、同質な論理を生成する傾向は、個々の創造者の独特で慣用的な実行過程を曖昧にすることが多い。 本稿では,非構造化データからの手続き的ペルソナの計算的発見について検討する。 これを実現するために、ViralRecipesTransは、一般的な料理ビデオの書き起こしから抽出され、特定のクリエイターに明示的にマッピングされた、手続き的に整列された実行フローグラフのデータセットである。 従来の語彙分類器はセマンティック・リークによって過度に適合するが、離散トポロジカル・メトリクスはクリエーターのワークフローの厳密な物理的制約を捉えることに成功している。 この特徴を生かして、私たちはフレームワークを新しい生成タスクへと拡張し、未知の料理に対する創造者の正確な構造的実行グラフを予測します。 グローバルマクロプランニングと局所構造実行のスタイル生成の基本的な二分法を明らかにする。 以上の結果から,LLMは意味的代入に支配的であるものの,マクロプランニングの持続的欠陥に悩まされていることが明らかとなった。 共に、手続き生成に対するアンサンブルアプローチは、グローバルセマンティック推論と局所的なトポロジカルフットプリントを動的に合成することで、パーソナライズされたワークフローの発見と生成を自動化する。

関連論文リスト

• Procedural Graphs: Self-Evolving Execution Structures for LLM Agents [11.810729293911622]
  手続きグラフ(Procedural Graph)は、手続き的知識を、何を問うかのトリプル(手続き、関係、手続き)に整理する。 各決定ステップにおいて、フレームワークはエージェントのアクティブノードをローカライズし、ガイダンスモデルは周辺のサブグラフをステップレベルの状況ガイダンスに変換する。 LLM精製器は失敗した軌跡と成功した軌跡を対比し、グラフの位相と属性を編集する。
  論文  参考訳（メタデータ） (2026-09-08T17:59:41Z)
• ProfiliTable: Profiling-Driven Tabular Data Processing via Agentic Workflows [17.525508735432147]
  ProfiliTableは動的プロファイリングを中心とした自律型マルチエージェントフレームワークである。 インタラクティブな探索、知識強化された合成、フィードバック駆動の洗練を通じて、統合された実行コンテキストを構築し、反復的に洗練する。
  論文  参考訳（メタデータ） (2026-05-12T16:42:38Z)
• Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
  モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。 実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
  論文  参考訳（メタデータ） (2026-01-27T04:00:48Z)
• OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
  マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。 現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。 自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
  論文  参考訳（メタデータ） (2026-01-19T12:23:44Z)
• PADME: Procedure Aware DynaMic Execution [7.8148770419284865]
  本稿では,プロシージャをグラフベースで表現するエージェントフレームワークであるPADME(Process Aware DynaMic Execution)を紹介する。 手動グラフ構築や非構造化推論に依存する以前の作業とは異なり、PADMEは手続き的テキストを自動で実行可能なグラフに変換する。 PADMEは、ALFWorldとScienceWorldを含む4つの異なる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） (2025-10-13T11:15:49Z)
• Following the TRACE: A Structured Path to Empathetic Response Generation with Multi-Agent Models [19.450298798183166]
  共感的応答生成は、より人間らしく支持的な会話エージェントを作成するための重要なタスクである。 既存の手法は、専門モデルの分析的深さと大規模言語モデルの生成的頻度との間の中心的なトレードオフに直面している。 我々は,共感を構造化認知プロセスとしてモデル化する新しいフレームワークであるTRACEを提案し,そのタスクを解析と合成のためのパイプラインに分解する。
  論文  参考訳（メタデータ） (2025-09-26T04:20:37Z)
• Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
  本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。 我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。 TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
  論文  参考訳（メタデータ） (2024-12-16T12:48:04Z)
• End-to-End Ontology Learning with Large Language Models [11.755755139228219]
  大規模言語モデル(LLM)は、オントロジー学習の様々なサブタスクを解決するために応用されている。 我々は、オントロジーの分類学的バックボーンをスクラッチから構築する汎用的でスケーラブルな方法であるOLLMによって、このギャップに対処する。 標準的なメトリクスとは対照的に、私たちのメトリクスは、グラフ間のより堅牢な構造的距離測定を定義するためにディープラーニング技術を使用します。 私たちのモデルは、arXivのような新しいドメインに効果的に適用できます。
  論文  参考訳（メタデータ） (2024-10-31T02:52:39Z)
• LLM-Based Multi-Agent Systems are Scalable Graph Generative Models [73.28294528654885]
  GraphAgent-Generator (GAG) は動的でテキスト対応のソーシャルグラフ生成のための新しいシミュレーションベースのフレームワークである。 GAGは、ゼロショットソーシャルグラフ生成のための時間ノードとエッジ生成プロセスをシミュレートする。 得られたグラフは7つの主要なマクロ的ネットワーク特性に付着し、微視的グラフ構造測定において11%の改善が達成される。
  論文  参考訳（メタデータ） (2024-10-13T12:57:08Z)
• Physics of Language Models: Part 1, Learning Hierarchical Language Structures [51.68385617116854]
  トランスフォーマーベースの言語モデルは効率的だが複雑であり、内部の動作や推論メカニズムを理解することは大きな課題である。 本稿では,長文を生成可能な階層規則を生成する合成CFGのファミリーを紹介する。 我々は、GPTのような生成モデルがCFG定義階層を正確に学習し、推論し、それに基づいて文を生成することを実証する。
  論文  参考訳（メタデータ） (2023-05-23T04:28:16Z)
• DORE: Document Ordered Relation Extraction based on Generative Framework [56.537386636819626]
  本稿では,既存のDocREモデルの根本原因について検討する。 本稿では,モデルが学習しやすく,決定論的な関係行列から記号列と順序列を生成することを提案する。 4つのデータセットに対する実験結果から,提案手法は生成型DocREモデルの性能を向上させることができることが示された。
  論文  参考訳（メタデータ） (2022-10-28T11:18:10Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• Self-supervised Graph-level Representation Learning with Local and Global Structure [71.45196938842608]
  自己教師付き全グラフ表現学習のためのローカル・インスタンスとグローバル・セマンティック・ラーニング(GraphLoG)という統合フレームワークを提案する。 GraphLoGは、局所的な類似点の保存に加えて、グローバルなセマンティッククラスタをキャプチャする階層的なプロトタイプも導入している。 モデル学習のための効率的なオンライン予測最大化(EM)アルゴリズムがさらに開発された。
  論文  参考訳（メタデータ） (2021-06-08T05:25:38Z)

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。