論文の概要: LLM Agents as Computational Typologists

• arxiv url: http://arxiv.org/abs/2609.07791v1
• Date: Mon, 07 Sep 2026 17:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 21:00:32.667514
• Title: LLM Agents as Computational Typologists
• Title（参考訳）: 計算タイポロジーとしてのLDMエージェント
• Abstract要約: AutoTYPOLOGISTは、参照文法に対するエビデンス基底型型分析のエージェントである。 専門家のアノテーションに対するTypological FEATURE CodingとTypological HYPOthesis Typological FEATURE Coding with typological universalsについて検討した。
• 参考スコア（独自算出の注目度）: 20.94949369266718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linguistic typology relies on expert analysis of reference grammars across languages, making large-scale crosslinguistic comparison labor-intensive and unscalable. We introduce AUTOTYPOLOGIST, an LLM agent for evidence-grounded typological analysis over reference grammars. The agent is capable of retrieving relevant grammar sections, analyzing interlinear glossed text (IGT), and iteratively reasoning over typological hypotheses using a ReAct-style workflow. We evaluate the system on TYPOLOGICAL FEATURE CODING against expert annotations and TYPOLOGICAL HYPOTHESIS TESTING with typological universals using 25 open-source reference grammars. Operating under different information constraints in TYPOLOGICAL FEATURE CODING, the agent can synthesize information from reference grammar prose but still faces challenges with only IGTs in the target language. In TYPOLOGICAL HYPOTHESIS TESTING, the agent can synthesize crosslinguistic evidence and identify both supporting cases and counterexamples. These findings suggest that LLM agents can support scalable and inspectable typological analysis, while still requiring expert validation.
• Abstract（参考訳）: 言語型学は言語をまたいだ参照文法の専門的な分析に依存しており、労働集約的かつ計算不能な大規模なクロス言語学的比較を可能にしている。 本稿では,LLM エージェントである AUTOTYPOLOGIST について紹介する。 本発明の薬剤は、関連する文法セクションを検索し、インターリニアグロステキスト(IGT)を解析し、ReActスタイルのワークフローを用いて類型論的仮説を反復的に推論することができる。 我々は,25個のオープンソース参照文法を用いて,専門家アノテーションに対するTypological FEATURE CodingとTypological HYPOthesis Typological TESTing with typological universalsの評価を行った。 TYPOLOGical FEATURE Codingで異なる情報制約の下で動作し、エージェントは参照文法の散文から情報を合成できるが、ターゲット言語におけるIGTのみの課題に直面している。 Typological HYPOTHESIS TESTINGでは、クロス言語学的エビデンスを合成し、支持ケースと反例の両方を識別することができる。 これらの結果から, LLMエージェントは, 専門家による検証を必要としながら, スケーラブルで検査可能な類型解析をサポートできることが示唆された。

関連論文リスト

• Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
  本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。 本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。 その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-09-07T17:39:06Z)
• A Systematic Analysis of Linguistic Features in AI-Generated Text Detection Across Domains and Models [5.859949662088513]
  解釈可能な言語機能は、あるテキストが機械生成される理由を説明するための有望なアプローチを提供する。 我々は、AI生成テキストを特徴付けるための言語信号の堅牢性を評価する大規模な実証的研究を行う。
  論文  参考訳（メタデータ） (2026-06-02T19:46:22Z)
• Ontology-to-tools compilation for executable semantic constraint enforcement in LLM agents [0.0]
  本稿では,大規模言語モデル(LLM)と形式的ドメイン知識意味論を結合する原理実証機構を提案する。 オントロジー仕様は、LLMベースのエージェントが知識グラフインスタンスの作成と修正に使用する実行可能なツールツールにコンパイルされる。 本稿では, LLM インタフェースの有効性, マニュアルスキーマの削減, エンジニアリングの促進, フォーマルな知識を生成システムに組み込むための一般的なパラダイムの確立について述べる。
  論文  参考訳（メタデータ） (2026-02-03T12:03:26Z)
• Large Language Models and Forensic Linguistics: Navigating Opportunities and Threats in the Age of Generative AI [0.0]
  大規模言語モデル(LLM)は、スケーラブルなコーパス分析と埋め込みベースのオーサシップ属性を実現する強力な分析ツールとして機能する。 近年のスタイリスティックな研究は、LLMが表面のスタイリスティックな特徴を近似できるが、ヒトのライターとの違いが検出可能であることを示唆している。 この論文は、法医学的言語学は科学的に信頼性があり法的に許容されるように、方法論的な再構成を必要とすると結論付けている。
  論文  参考訳（メタデータ） (2025-12-07T17:05:31Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• OntoType: Ontology-Guided and Pre-Trained Language Model Assisted Fine-Grained Entity Typing [25.516304052884397]
  きめ細かいエンティティタイピング(FET)は、コンテキストに敏感できめ細かいセマンティックタイプでエンティティをテキストに割り当てる。 OntoTypeは、粗いものから細いものまで、型オントロジ構造に従い、複数のPLMをアンサンブルすることで、型候補のセットを生成する。 Ontonotes、FIGER、NYTデータセットに関する我々の実験は、我々の手法が最先端のゼロショットの微細なエンティティタイピング方法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-21T00:32:37Z)
• A Unified Understanding of Deep NLP Models for Text Classification [88.35418976241057]
  我々は、テキスト分類のためのNLPモデルの統一的な理解を可能にする視覚解析ツールDeepNLPVisを開発した。 主要なアイデアは相互情報に基づく尺度であり、モデルの各レイヤがサンプル内の入力語の情報をどのように保持するかを定量的に説明する。 コーパスレベル、サンプルレベル、単語レベルビジュアライゼーションで構成されるマルチレベルビジュアライゼーションは、全体トレーニングセットから個々のサンプルまでの分析をサポートする。
  論文  参考訳（メタデータ） (2022-06-19T08:55:07Z)
• Detecting Text Formality: A Study of Text Classification Approaches [78.11745751651708]
  本研究は,統計的,ニューラルベース,トランスフォーマーベースの機械学習手法に基づく形式性検出手法の体系的研究を初めて行う。 単言語,多言語,言語横断の3種類の実験を行った。 本研究は,モノリンガルおよび多言語形式分類タスクのためのトランスフォーマーベースモデルに対するChar BiLSTMモデルの克服を示す。
  論文  参考訳（メタデータ） (2022-04-19T16:23:07Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• The Grammar of Emergent Languages [19.17358904009426]
  UGI技術は創発的言語を解析するのに適していることを示す。 次に、典型的な参照ゲーム設定に現れる言語が構文構造を示すかどうかを考察する。 我々の実験は、構造が現れるためには、一定のメッセージ長と語彙サイズが必要であることを実証した。
  論文  参考訳（メタデータ） (2020-10-05T15:06:27Z)
• A Comparative Study of Lexical Substitution Approaches based on Neural Language Models [117.96628873753123]
  本稿では,一般的なニューラル言語とマスキング言語モデルの大規模比較研究について述べる。 目的語に関する情報を適切に注入すれば,SOTA LMs/MLMsによって達成された既に競合する結果をさらに改善できることを示す。
  論文  参考訳（メタデータ） (2020-05-29T18:43:22Z)

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。