論文の概要: Large-Language Models as a Cognitive Virus

• arxiv url: http://arxiv.org/abs/2609.03344v1
• Date: Thu, 03 Sep 2026 04:03:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.922175
• Title: Large-Language Models as a Cognitive Virus
• Title（参考訳）: 認知ウイルスとしての大規模言語モデル
• Abstract要約: 大規模言語モデル(LLM)は、情報の生成、伝達、利用の仕方を変えながら、急速に人間の文化の一部になってきている。 そこで本研究では,その拡散をウイルスの類推によって理解し,LLMを個体群を通じて利用することを提案する。 社会的伝達, 回復, 集団強化の相互作用が, チップポイントや技術ロックインを発生させることを示す。
• 参考スコア（独自算出の注目度）: 0.6771901551590807
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large-language models (LLMs) are rapidly becoming part of human culture, reshaping how information is produced, transmitted, and used. Here we propose that their diffusion can be understood through a viral analogy, with LLM use spreading through populations, becoming embedded in cognitive and cultural practices. We model transitions among uncoupled, coupled, and persistently dependent users, and show that the interplay between social transmission, recovery, and collective reinforcement can generate tipping points and technological lock-in. A central consequence is the possibility of runaway dynamics: once a critical threshold is crossed, small increases in adoption can trigger rapid population-level shifts toward persistent dependence, with abrupt losses in cognitive competence. The same framework, however, identifies conditions for cognitive immunization, based on reducing transmission and facilitating reversibility. Our results highlight how LLM adoption may involve nonlinear collective transitions with important consequences for cognitive autonomy.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、情報の生成、伝達、利用の仕方を変えながら、急速に人間の文化の一部になってきている。 本稿では,その拡散はウイルスの類推によって理解され,LLMは集団を通じて普及し,認知や文化の実践に埋め込まれることを提案する。 我々は、非結合、結合、永続的依存のユーザ間の遷移をモデル化し、ソーシャルトランスミッション、リカバリ、および集合的強化の相互作用が、チップポイントと技術ロックインを発生させることを示す。 重要なしきい値が通過すると、人口レベルの小さな増加は、認知能力の急激な低下を伴う、永続的な依存への急激なシフトを引き起こす可能性がある。 しかし、同じ枠組みは、伝達を減らし可逆性を促進することに基づいて、認知免疫の条件を特定する。 以上の結果から,LLM導入が認知自律に重要な影響を及ぼす非線形集団移行にどのように関与するかが示唆された。

関連論文リスト

• Mitigating Identity Essentialism in LLM Agents with Longitudinal Life Trajectories [36.94856258384994]
  静的要因は,ヒトよりも人口分離とグループ内圧縮が強いことを示す。 本稿では,構造化されたライフイベント検索とエージェント固有のパラメトリックメモリを組み合わせた,体験統合のための縦型メモリフレームワークLifeMemを提案する。
  論文  参考訳（メタデータ） (2026-08-20T04:13:11Z)
• MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation [51.824145170051516]
  MobEvolveは、人間のモビリティ生成のための自己進化フレームワークである。 エージェントを使用して、内部ロジックを反復的に進化させる。 最先端の深層生成法とLLMベースの手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-01T03:46:25Z)
• Towards Highly Transferable Vision-Language Attack via Semantic-Augmented Dynamic Contrastive Interaction [67.45032003041399]
  本研究では,先進的かつ意味論的に誘導された摂動を通じて対向的伝達性を高めるセマンティック・ダイナミック・コントラシブ・アタック(SADCA)を提案する。 SADCAは、対立、正、負のサンプルを含む対照的な学習メカニズムを確立し、得られた摂動の意味的不整合を強化する。 複数のデータセットとモデルの実験により、SADCAは対向移動性を大幅に改善し、最先端の手法を一貫して超えることを示した。
  論文  参考訳（メタデータ） (2026-03-05T05:46:16Z)
• Do LLMs and VLMs Share Neurons for Inference? Evidence and Mechanisms of Cross-Modal Transfer [65.72553715508691]
  我々は,多段階の推論と構成決定を必要とするタスクにおいて,LVLMが強いテキストのみの大規模言語モデル(LLM)に遅れていることを示す。 LLMからLVLMへ成熟型推論回路を転送するパラメータ効率の高いフレームワークである共有ニューロン低ランク融合(SNRF)を提案する。 その結果、共有ニューロンはLLMとLVLMの間の解釈可能なブリッジを形成し、低コストでマルチモーダルモデルへの推論能力の移行を可能にした。
  論文  参考訳（メタデータ） (2026-02-22T06:04:05Z)
• Generative Human-Object Interaction Detection via Differentiable Cognitive Steering of Multi-modal LLMs [85.69785384599827]
  人間と物体の相互作用(Human-object Interaction、HOI)の検出は、人と物体のペアとそれらの相互作用を局在させることを目的としている。 既存のメソッドはクローズドワールドの仮定の下で動作し、タスクを未定義の小さな動詞集合上の分類問題として扱う。 本稿では,閉集合分類タスクから開語彙生成問題へのHOI検出を再構成する新しい生成推論・ステアブル知覚フレームワークGRASP-HOを提案する。
  論文  参考訳（メタデータ） (2025-12-19T14:41:50Z)
• Causal Reinforcement Learning based Agent-Patient Interaction with Clinical Domain Knowledge [3.2434118923825483]
  強化学習(RL)は、データが不足している認知症ケアなど、適応的な医療介入において重大な課題に直面している。 本稿では、因果発見と推論をポリシー最適化に明示的に統合する、因果構造対応強化学習(CRL)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-17T22:38:03Z)
• The Lock-In Phase Hypothesis: Identity Consolidation as a Precursor to AGI [0.0]
  大規模言語モデル (LLM) は広くオープンであり、非常に安定している。 人間の発達と類似して、人工知能(AGI)の進歩にはロックインフェーズが伴うという仮説を立てる。 我々は、このフェーズを形式化し、学習力学における既知の現象にリンクし、オンセット検出のための運用メトリクスを提案する。 この結果から,小型モデルにおける性能トレードオフから,中規模モデルにおけるコストフリー導入,大規模モデルにおける過渡的不安定化に至るまで,さまざまな結果が得られた。
  論文  参考訳（メタデータ） (2025-10-23T04:20:10Z)
• Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails [103.05296856071931]
  本稿では,自己進化型大規模言語モデル(LLM)エージェントに特有の,アライメント・ティッピング・プロセス(ATP)を同定する。 ATPは、連続的な相互作用によってエージェントが訓練中に確立されたアライメント制約を放棄し、強化された自己関心の戦略を支持するときに生じる。 実験の結果、アライメントの利点は自己進化の下で急速に低下し、最初は整合性のない状態に収束したモデルであることが判明した。
  論文  参考訳（メタデータ） (2025-10-06T14:48:39Z)
• Think Socially via Cognitive Reasoning [94.60442643943696]
  本稿では,人間の社会的認知をモデルとした認知推論について紹介する。 CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
  論文  参考訳（メタデータ） (2025-09-26T16:27:29Z)
• Unraveling the cognitive patterns of Large Language Models through module communities [45.399985422756224]
  大規模言語モデル(LLM)は、科学、工学、社会において大きな進歩を遂げ、我々の世界を変えました。 実用性と実用性にもかかわらず、LLMの基盤となるメカニズムは何十億ものパラメータや複雑な構造の中に隠されている。 生物学における新たな認知を理解するためのアプローチを採用することで、このギャップに対処する。
  論文  参考訳（メタデータ） (2025-08-25T16:49:38Z)
• Distinguishing mechanisms of social contagion from local network view [0.02499907423888048]
  複数の採用ルールは、同じ社会的感染プロセスでも共存することがある。 我々のゴールは、既存の採用メカニズムが顕微鏡的視点から区別できるかどうかを理解することである。 本研究は、自我中心レベルでの伝播過程の観察について、新しい視点を提供する。
  論文  参考訳（メタデータ） (2024-06-26T17:49:24Z)

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。