論文の概要: Whose record is this? Diagnosing and authorizing record use in personalized multimodal models
- arxiv url: http://arxiv.org/abs/2609.04801v1
- Date: Fri, 04 Sep 2026 07:00:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.939171
- Title: Whose record is this? Diagnosing and authorizing record use in personalized multimodal models
- Title（参考訳）: これは誰の記録か?パーソナライズされたマルチモーダルモデルにおける記録使用の診断と認可
- Abstract要約: コンテキスト化された視覚的パーソナライゼーションは、真のレコードを取得して、間違った視覚的主題に適用することができる。
主観的存在(P$)、記録的有効性(E$)、回答支援(S$)は全て保持しなければならない。
RecordAuth-Diagは3,690ケースの一致した診断スイートで、クエリ、質問、記録テキスト、画像多重セットを保持しながら、1つの画像-記録エッジを変更する。
- 参考スコア（独自算出の注目度）: 11.48889005614742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contextualized visual personalization can retrieve a true record yet apply it to the wrong visual subject. We formalize when a record may condition an answer as \emph{record authorization}: subject presence ($P$), record-edge validity ($E$), and answer support ($S$) must all hold. We call violations visual memory misbinding (VMM). We construct RecordAuth-Diag, a 3,690-case matched diagnostic suite that changes one image--record edge while holding the query, question, record text, and image multiset fixed. Card removal and nonce relabeling attribute these failures to supplied records. Raw-bank failures span Qwen-, Phi-, and Gemma-family interfaces: Gemma-3-4B-IT reaches 63.69\% local unauthorized use at 25.75\% clean recall. CoViP remains at 26.02\%, versus 22.49\% for its Qwen backbone at similar clean recall. Typed pre-generation authorization reduces Qwen card exposure on RecordAuth-Diag from 43.63\% to 3.06\%, while positive recall changes from 86.26\% to 60.90\%. Full $P\wedge E\wedge S$ validation uses 560 localized DAVIS cases: top-1 relevance and typed authorization have comparable release (28.93\% and 28.39\%) but 6.79\% and 0.89\% unsafe release, respectively. Of the 33 additional unsafe cases removed, 27 are support, 4 edge, 2 clean, and 0 boundary cases. Thus the observed increment is an $E\wedge S$ decision dominated by support, not an edge check alone. Appearance supplies $E$ evidence only conditional on $P$; authenticated subject tokens instantiate the missing presence witness as a sufficiency control. The claims concern the evaluated contracts, not natural prevalence, consent, or visual identity
- Abstract（参考訳）: コンテキスト化された視覚的パーソナライゼーションは、真のレコードを取得して、間違った視覚的主題に適用することができる。
我々は、あるレコードが \emph{record permission} として応答を条件付けできる場合を形式化する: 主観的存在(P$)、記録的有効性(E$)、および回答支援(S$)は、すべて保持しなければならない。
違反を視覚記憶ミスバインド(VMM)と呼ぶ。
RecordAuth-Diagは3,690ケースの一致した診断スイートで、クエリ、質問、記録テキスト、画像多重セットを保持しながら、1つの画像-記録エッジを変更する。
カードの削除とnonce relabelingは、これらの障害を供給されたレコードに原因付ける。
Qwen-, Phi-, Gemma- Family インターフェース: Gemma-3-4B-IT は 63.69 % の未認可使用を 25.75 % のクリーンリコールで達成する。
CoViPは26.02\%であり、Qwenのバックボーンは22.49\%である。
タイプドプレジェネレーションは、レコードAuth-DiagのQwenカードの露出を43.63\%から3.06\%に減らし、前向きなリコールは86.26\%から60.90\%に減らした。
完全$P\wedge E\wedge S$ Validationは、560のローカライズされたDAVISケースを使用する: トップ1の関連性と型付き認証は同等のリリース(28.93\%と28.39\%)であるが、6.79\%と0.89\%は安全でないリリースである。
削除された33件のうち、27件がサポート、4件がエッジ、2件がクリーン、0件が境界ケースである。
したがって、観測されたインクリメントは、エッジチェック単独ではなく、サポートによって支配される$E\wedge S$決定である。
Outearanceは$E$のエビデンスのみ条件付きで$P$を発行する。
クレームは、評価された契約、自然の有病率、同意、または視覚的同一性に関するものである。
関連論文リスト
- VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。
それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。
我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
論文 参考訳（メタデータ） (2026-09-02T20:36:45Z) - ExBind: A Controlled Diagnostic Benchmark for Visual-to-Executable Correspondence [25.750916054932294]
ExBindはセマンティックローカライゼーションとアクション実行の間の制御された診断ベンチマークである。
表現に依存しない遅延バインディングインスタンスをサンプリングし、SVG、DOM、canvas、tree、 graph、テーブルケースにコンパイルする。
リリースには250ケースのワイドスイート、240ケースのターゲットスイート、50ペアのラテントグループが含まれている。
論文 参考訳（メタデータ） (2026-09-01T14:52:57Z) - The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
コード修復における制御ケーススタディを報告し,新しい現象ではない。
私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。
BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。
厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
論文 参考訳（メタデータ） (2026-08-14T19:22:50Z) - Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。
Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。
500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
論文 参考訳（メタデータ） (2026-08-01T18:25:00Z) - Validation Evidence in LLM Repair Agents: How Much of What Passes Actually Tests the Bug? [1.6787220460106658]
BSG-VAは、各バリデーションコマンドをその正確な作業ツリー状態にキャプチャし、テストのみのパッチを抽出し、元のバギーコードでコマンドを再生する。
キャプチャされた結果とリプレイ結果は、ゴールドアラインのバグ識別からレグレッションのみ、誤解を招くまで、すべてのイベントにエビデンスの役割を割り当てます。
エージェントにB-replay結果を返すかどうかを3本腕で実験すると、このパターンが変わる。
論文 参考訳（メタデータ） (2026-07-30T22:32:14Z) - Subtract or Replay? Exact Deletion from Language-Model Memory [0.16921396880325776]
永続的な言語モデルメモリからの排他的削除は、そのメモリがレコードをどのように表現するかに依存する。
我々は2つの事前訓練されたモデルにおいて、明示的な記録省略参照に対してこの区別を検証した。
論文 参考訳（メタデータ） (2026-07-30T00:17:05Z) - Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。
ラベルを適用すれば依存性認定正当性(D-CC)が得られる
4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
論文 参考訳（メタデータ） (2026-07-29T15:55:31Z) - Voice Memory for Agentic Speech Recognition [66.69623133635868]
エージェント音声認識のための推論専用スキームであるVoice Memoryを提案する。
同期的に、スコア付き例は、境界編集を通じてそのファイルを更新する。
10のHyPoradiseドメインにオープン修正器、Voice Memory、重み付き単語エラー率8.36%から7.52%の10のドメインがある。
論文 参考訳（メタデータ） (2026-07-29T02:42:56Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Auditing CoT Answer-Hijack Patches: Source-Control Certificates with Type-I Guarantees [0.0]
Chain-of- Thought (CoT) の回答ハイジャックテンプレートは GSM8K または MATH-500 上で 7B-8B 言語モデルの最終数値を反転させることができる。
クリーンソースパッチの成功は、しばしば、パッチされたアクティベーションが回復したコンテンツを運ぶ証拠として読まれる。
我々は,各候補パッチを事前登録されたType-I保証付きソース制御証明書に変換する監査を構築する。
論文 参考訳（メタデータ） (2026-06-03T10:49:43Z) - When Corrective Hints Hurt: Prompt Design in Reasoner-Guided Repair of LLM Overcaution on Entailed Negations under OWL~2~DL [10.675009214407185]
OWL2DL コンプライアンスクエリにおいて GPT-5.4 で再現可能なエラーパターンを報告した。
emphFunctionalProperty closure または class emphdisjointness' の下で、理性に満ちた答えが no''' である場合、モデルは「未知」を頻繁に答える。
論文 参考訳（メタデータ） (2026-04-25T18:11:01Z)
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。