論文の概要: Beyond Surface Alignment: Grounding the Dynamics of Situational Understanding and Generative Control in LLMs

• arxiv url: http://arxiv.org/abs/2608.29610v1
• Date: Sun, 30 Aug 2026 07:04:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.019879
• Title: Beyond Surface Alignment: Grounding the Dynamics of Situational Understanding and Generative Control in LLMs
• Title（参考訳）: 表面配向を超えて: LLMにおける状況理解と生成制御のダイナミクスの基礎
• Abstract要約: LLM(Large Language Models)の現在のアライメントチューニングパラダイムは、表面レベルの振る舞いを優先している。 この論文は、このような表面アライメントマスクはグラウンド化の欠如を論じ、スタイリスティックに自信があるが状況的に不安定なモデルを作り出している。
• 参考スコア（独自算出の注目度）: 4.531912685912965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current alignment tuning paradigm for Large Language Models (LLMs) prioritizes surface-level behaviors -- fluency, safety, and tonal consistency. While effective for casual chat, this thesis argues that such surface alignment masks a lack of grounding, creating models that are stylistically confident but situationally brittle. We propose a framework of Grounded Alignment, analyzing how models process context (Input) and structure generation (Output), then aligning these grounded behaviors to human needs. First, we evaluate failures in Situational Grounding. SitTest shows that despite large context windows, state-of-the-art models struggle to maintain a consistent "mental model" of a changing environment. ReCode further shows that models rely on surface heuristics rather than deep syntactic dependencies: they "read" extensive histories without truly "understanding" the evolving situation. Second, we evaluate Generative Grounding. We introduce the Branching Factor (BF) to map LLM generation, finding that standard alignment tuning constricts this landscape into premature stylistic collapse. Hindsight further shows that models often fail to understand their own generations. Finally, we propose Dynamic Control for grounded interaction. AI Realtor demonstrates context engineering to compensate for poor situational grounding. Base-Aligned Model Collaboration decouples exploration from stylistic constraints. We also present Annealed Sampling for verifiable reinforcement learning and apply these ideas to Addiction Support, where model-generated rationalization offers a communication interface for high-stakes domains. Collectively, this work moves beyond surface alignment toward agents anchored in both context and generation.
• Abstract（参考訳）: LLM(Large Language Models)の現在のアライメントチューニングパラダイムは、表面レベルの振る舞い(流線型性、安全性、音階整合性)を優先している。 この論文は、カジュアルなチャットに効果があるが、このような表面アライメントマスクはグラウンド化の欠如であり、スタイリスティックに自信があるが状況的に不安定なモデルを作成する。 本研究では,モデルがコンテキスト(入力)と構造生成(出力)をどのように処理するかを解析し,その振る舞いを人的ニーズに合わせるためのグラウンドドアライメントの枠組みを提案する。 まず、状況的グラウンドリングの失敗を評価する。 SitTestは、大きなコンテキストウィンドウにもかかわらず、最先端のモデルは変化する環境の一貫性のある「メンタルモデル」を維持するのに苦労していることを示している。 ReCodeはさらに、モデルは深い構文的依存関係ではなく表面ヒューリスティックに依存していることを示している。 第2に、生成的グラウンドの評価を行う。 分岐係数(BF)を用いてLLM生成のマッピングを行い、標準アライメントチューニングにより、この景観を早期の様式的崩壊に限定することを示した。 Hindsightはさらに、モデルが自分たちの世代を理解するのに失敗することを示している。 最後に,接地相互作用のための動的制御を提案する。 AI Realtorは、コンテキストエンジニアリングをデモして、状況の粗悪さを補う。 ベースアラインなモデルコラボレーションは、スタイリスティックな制約から探索を分離する。 また, モデル生成合理化が高次領域のためのコミュニケーションインターフェースを提供するAddiction Supportに, これらのアイデアを適用し, 検証可能な強化学習のためのAnnealed Smplingを提案する。 集合的に見て、この研究は表面のアライメントを超えて、コンテキストと生成の両方に固定されたエージェントに向かって進んでいる。

関連論文リスト

• Towards Predictive, Aligned, and Scalable Robot Learning [11.830982964522605]
  本稿では、潜在空間における世界ダイナミクスを推論して行動を生成する潜在世界行動モデルであるLumo-2を紹介する。 我々は、潜在世界モデリングとモダリティアライメントについて研究し、スケーリング法則とアウト・オブ・ディストリビューションの一般化におけるそれらの役割を分析した。 その結果,Lumo-2は強い視覚言語モデル(VLA)と世界行動モデル(WAM)のベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-07-13T08:53:34Z)
• The Art of Interrogation: Consistency Amplifies Factuality in Spatial Reasoning [65.67266333751569]
  現在のLRM(Large Reasoning Models)は、空間推論タスクにおいて顕著な汎用性を示すが、性能は著しく劣る。 本研究では,内的推論プロセスを対象とした自己指導型強化学習フレームワークを提案する。 このラベルのない整合性トレーニングは,地道的な監督によって訓練されたモデルの精度にアプローチし,多様なタスクやデータ領域にまたがる同様の一般化を実現することを示す。
  論文  参考訳（メタデータ） (2026-06-10T10:50:06Z)
• iVGR: Internalizing Visually Grounded Reasoning for MLLMs with Reinforcement Learning [35.83366559347647]
  大規模言語モデル(MLLM)における微粒化知覚を高めるための,将来性のあるパラダイムとして,視覚的基盤を持つChain-of-Thought(CoT)が登場した。 推論中に視覚的に接地されたCoTで明示的なオブジェクトボックスを強制すると、標準的なCoTよりも性能が低下する。 テキスト推論プロセスにローカライズ機能を伝達する新しい強化学習フレームワークであるtextbfiVGR(Internalizing Visually Grounded Reasoning)を提案する。
  論文  参考訳（メタデータ） (2026-05-29T10:07:25Z)
• Understanding Degradation with Vision Language Model [56.09241449206817]
  視覚的劣化を理解することは、コンピュータビジョンにおいて重要な問題であるが、難しい問題である。 本稿では,教師付き微調整と強化学習を併用したマルチモーダル・チェーン・オブ・ソート・モデルであるDU-VLMを紹介する。 また,110,000個のクリーン劣化ペアと接地された物理アノテーションからなる大規模データセットである textbfDU-110k も導入した。
  論文  参考訳（メタデータ） (2026-02-04T13:51:15Z)
• Dynamics-Aligned Latent Imagination in Contextual World Models for Zero-Shot Generalization [1.6332728502735252]
  エージェント-環境相互作用から潜在コンテキスト表現を推論するフレームワークであるDLI(Dynamics-Aligned Latent Imagination)を導入する。 DALIは、世界モデルとポリシーを条件付け、認知と制御をブリッジする実行可能な表現を生成する。 挑戦的なcMDPベンチマークでは、DALIはコンテキストを意識しないベースラインよりも大幅に向上する。
  論文  参考訳（メタデータ） (2025-08-27T22:02:56Z)
• Context-Informed Grounding Supervision [102.11698329887226]
  コンテキストインフォームド・グラウンド(Context-Informed Grounding Supervision, CINGS)は、モデルが応答に先立って関連するコンテキストでトレーニングされる訓練後の監督である。 実験により, CINGSで訓練したモデルでは, テキスト領域と視覚領域の両方において, より強い基底が示されることがわかった。
  論文  参考訳（メタデータ） (2025-06-18T14:13:56Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Grounded Decoding: Guiding Text Generation with Grounded Models for Embodied Agents [111.15288256221764]
  グラウンデッドデコーディングプロジェクトは、両方のモデルの知識を活用することで、ロボット環境で複雑な長期タスクを解決することを目的としている。 我々はこれを確率的フィルタリングに類似した問題として、言語モデルの下で高い確率を持つシーケンスをデコードし、基底モデル対象のセットで高い確率を示す。 本研究では,3つのシミュレーション領域と実世界の領域にまたがって,そのような基底モデルがどのように得られるのかを実証し,両モデルの知識を活用して,ロボット環境での複雑な長期的タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-03-01T22:58:50Z)
• Large Language Models with Controllable Working Memory [64.71038763708161]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の一連のブレークスルーをもたらした。 これらのモデルをさらに切り離すのは、事前訓練中に内在する膨大な量の世界的知識だ。 モデルの世界知識が、文脈で提示された事実情報とどのように相互作用するかは、まだ解明されていない。
  論文  参考訳（メタデータ） (2022-11-09T18:58:29Z)

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。