論文の概要: The Truth Was Never Gone: Perfect Aliasing in Compliant-Context Truth Probes

• arxiv url: http://arxiv.org/abs/2609.10739v1
• Date: Wed, 09 Sep 2026 18:34:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.110643
• Title: The Truth Was Never Gone: Perfect Aliasing in Compliant-Context Truth Probes
• Title（参考訳）: 真理は決して実現しなかった: 一貫性のある真理探究における完璧なエイリアス
• Abstract要約: 真理的な報告とタスクの所定の動作が一致して適合する真理プローブは、それらのターゲットを適合ラベルのみと区別できない。 制御されたバイナリレポートゲームでは、コンプライアンスコンテキストに適合した真理と所定のアクションプローブが、同じ最適化を解く。 我々は、ランダム化されたコードブックを用いて、所定の出力シンボルを意味行動から分離し、混合コンテキストに適合させることで、所定のアクションから真理を分離する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A truth probe fitted where truthful reporting and a task's prescribed action coincide cannot distinguish those targets from its fitting labels alone. We call this failure of semantic identification perfect aliasing. In a controlled binary reporting game, truth and prescribed-action probes fitted on compliant contexts solve the same optimization. On rival contexts their labels are complements, forcing their AUROCs to sum to one; this identity holds across 751 cell-layer pairs to floating-point precision. We separate prescribed output symbols from semantic action using randomized codebooks, then separate truth from prescribed action by fitting on mixed compliant and rival contexts. For a reward-trained Gemma-2-9B policy that answers falsely on all evaluated rival trials, the conventional probe scores $0.006 \pm 0.005$ AUROC across three training seeds, while mixed-fit probes score $1.000$ on the same held-out activations. Mixed fitting uses more training examples and access to labelled rival contexts, so this comparison establishes linear recoverability rather than isolating the benefit of decorrelation. We also show that two compliant-fit probes, both perfect in-distribution, score $0.080$ and $0.986$ on the same rival activations. The findings concern what a probe measures: they do not establish preserved functional belief, causal use of the recovered direction, or a deployable deception detector. Code and aggregate results accompany the paper.
• Abstract（参考訳）: 真理的な報告とタスクの所定の動作が一致して適合する真理プローブは、それらのターゲットを適合ラベルのみと区別できない。 我々は、この意味識別の失敗を完全エイリアスと呼ぶ。 制御されたバイナリレポートゲームでは、コンプライアンスコンテキストに適合した真理と所定のアクションプローブが、同じ最適化を解く。 競合する文脈では、それらのラベルは補体であり、AUROCは1つにまとめざるを得ず、このアイデンティティは751個の細胞層対を浮動小数点精度で保持する。 ランダム化されたコードブックを用いて、所定の出力シンボルを意味行動から分離し、その後、混在したコンテクストと競合するコンテキストに適合して、所定のアクションから真理を分離する。 ジェマ-2-9Bは、評価された全てのライバルトライアルで誤って答える報奨を受けた政策であり、従来のプローブは3つのトレーニングシードで0.006 pm 0.005$ AUROC、混合プローブは同じホールトアウトアクティベーションで1.000ドルである。 混合フィッティングは、より多くのトレーニング例とラベル付き競合コンテキストへのアクセスを使用するため、この比較はデコリレーションの利点を孤立させるのではなく、線形回復性を確立する。 また、同じ競合アクティベーションで0.080ドルと0.986ドルという2つの適合した調査結果も示している。 調査者は、保存された機能的信念、回収された方向の因果的使用、または展開可能な偽装検知器を確立していない。 コードと集計結果は、論文に付随します。

関連論文リスト

• Observational Indistinguishability and Integrity Blind Regions in Hybrid Quantum-Classical Workflows [0.0]
  本稿では,ハイブリッド量子古典的ワークフロー整合性のためのクレーム相対的エビデンス/参照フレームワークを提案する。 観測上の不明瞭さは、有限バッチ統計ミスとは異なる構造的な盲点をもたらす。
  論文  参考訳（メタデータ） (2026-09-15T13:16:37Z)
• SteerCheck: Attribution Specificity and Alignment Leakage in Activation-Steering Audits [5.366718741784969]
  活性化ステアリングは、その効果が意図された概念に固有のものであることを証明せずに行動を変えることができる。 我々は、ターゲット外のKLにマッチし、平均、保護されたテール、極性、転送、セマンティッククレームを分離する、事前登録された属性監査であるSteerCheckを紹介する。
  論文  参考訳（メタデータ） (2026-08-25T10:00:29Z)
• NTDH: Complex Reasoning for Comprehensive Affective Analysis [28.280253328311346]
  包括的感情分析は2つの理由から困難である。 連続、順序、複数ラベルの出力を持つ異種予測タスクにまたがる。 我々はそのタスクを複雑な推論問題として再考した。 これは感情と感情の両方をカバーする最初の治療法である。
  論文  参考訳（メタデータ） (2026-08-05T18:59:43Z)
• Chiral Analysis of Smart Contracts: Detecting Vulnerabilities from Relational Inconsistencies Across Business Paths [1.5217170480235822]
  本稿では、ペア化されたビジネスパスを暗黙の仕様として扱う関係モデルであるカイラル分析を紹介する。 このアイデアは、ビジネスパスを抽出するSolidityプロトタイプであるChiralDetectorに実装しています。 ChiralDetectorは3,217の静的なランク付けパスペアを1,643のセマンティックな候補に減らし、101の非重複な発見グループを生成し、44の厳格なバリケータ陽性を保持し、手動で13のユニークな問題に崩壊した。
  論文  参考訳（メタデータ） (2026-07-20T14:17:00Z)
• Quotient Semivalues for False-Name-Resistant Data Attribution [1.253312107729806]
  MLデータ属性における偽名操作の形式化を行う。 私たちはエビデンス支援の属性クラスタ上でShapley-、Banzhaf-、βスタイルの値を計算します。 戦略的なプロバイダ攻撃下での属性のベンチマークであるDataMarket-Gymのメカニズムをインスタンス化する。
  論文  参考訳（メタデータ） (2026-05-08T12:34:20Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
  深部異方性回帰における自己教師付き共分散推定について検討する。 正規分布の間の2-ワッサーシュタイン距離の上界を導出する。 幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
  論文  参考訳（メタデータ） (2025-02-14T22:37:11Z)
• Combating Confirmation Bias: A Unified Pseudo-Labeling Framework for Entity Alignment [30.407534668054286]
  エンティティアライメントのための統一擬似ラベルフレームワーク(UPL-EA)を提案する。 UPL-EAは、エンティティアライメントの精度を高めるために、擬似ラベルエラーを明示的に排除する。 以上の結果から,UPL-EAが15の競争ベースラインに優越していることが示唆された。
  論文  参考訳（メタデータ） (2023-07-05T07:32:34Z)
• Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
  本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。 擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。 ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
  論文  参考訳（メタデータ） (2023-03-27T07:46:58Z)
• A Theory-Driven Self-Labeling Refinement Method for Contrastive Representation Learning [111.05365744744437]
  教師なしのコントラスト学習は、正のイメージの作物と、負のイメージの作物とをラベル付けする。 本研究は, コントラスト学習において, 不正確なラベル割り当てがセマンティック・インスタンス識別の一般化を著しく損なうことを最初に証明する。 この理論に触発されて、コントラスト学習のための新しい自己ラベル改善手法を提案する。
  論文  参考訳（メタデータ） (2021-06-28T14:24:52Z)
• Pointwise Binary Classification with Pairwise Confidence Comparisons [97.79518780631457]
  ペアワイズ比較(Pcomp)分類を提案し、ラベルのないデータのペアしか持たない。 我々はPcomp分類をノイズラベル学習に結びつけて、進歩的UREを開発し、一貫性の正則化を課すことにより改善する。
  論文  参考訳（メタデータ） (2020-10-05T09:23:58Z)
• MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative Adversarial Network [51.84251358009803]
  本稿では,条件付き生成逆数ネットワーク(GAN)に対する,半教師付き環境下での自己教師型学習手法を提案する。 利用可能な数少ないラベル付きサンプルのラベル空間から無作為なラベルをサンプリングして拡張を行う。 本手法は,ベースラインのトレーニングに使用したラベル付きサンプルの20%に過ぎません。
  論文  参考訳（メタデータ） (2020-06-11T17:14:55Z)

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。