論文の概要: A Survey on the Linear Representation Hypothesis

• arxiv url: http://arxiv.org/abs/2609.22695v1
• Date: Sat, 19 Sep 2026 02:11:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.89183
• Title: A Survey on the Linear Representation Hypothesis
• Title（参考訳）: 線形表現仮説に関する調査研究
• Abstract要約: 線形表現に関する主張は、モデル、表現位置、データセットを慎重に調べることによってのみ、適切に定義される。 本稿では、これらの依存関係を明確にし、仮説をファルシブルな科学的主張として評価できるようにするLRHのより厳密な形式化を提案する。
• 参考スコア（独自算出の注目度）: 5.651124061946398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The term "linear representation hypothesis" (LRH) has appeared across diverse subfields of artificial intelligence, neuroscience, and cognitive science. But previous works have not consistently treated the LRH as a falsifiable scientific hypothesis; we analyze these inconsistencies and examine their implications for how prior theoretical and methodological results should be interpreted. Based on this analysis, we argue that claims regarding linear representations become well-defined only through careful examination of the model, representation location, feature definition, and evaluation dataset. We therefore propose a more rigorous formalization of the LRH that makes these dependencies explicit and allows the hypothesis to be evaluated as a falsifiable scientific claim. Finally, we identify some non-trivial open problems that warrant further attention from the research community.
• Abstract（参考訳）: 線形表現仮説 (LRH) という用語は、人工知能、神経科学、認知科学の様々な分野に分布している。 しかし、従来の研究はLRHを相反する科学的仮説として一貫して扱いておらず、これらの矛盾を分析し、これまでの理論的および方法論的な結果がどのように解釈されるべきなのかを考察している。 この分析に基づいて、線形表現に関する主張は、モデル、表現位置、特徴定義、評価データセットを慎重に調べることによってのみ、適切に定義されていくと論じる。 そこで我々は、これらの依存関係を明確にし、仮説をファルシブルな科学的主張として評価できるようにするLRHのより厳密な形式化を提案する。 最後に、研究コミュニティからさらなる注意を喚起する、非自明なオープンな問題を特定します。

関連論文リスト

• Learning the Geometry of Admissible Hypotheses through Inductive Bias in Training Distributions [3.8824066002669855]
  本稿では、科学的帰納バイアスを直接トレーニング分布に埋め込むことにより、許容偏微分方程式(PDE)の連続潜在表現を学習するための枠組みを提案する。 実験の結果, 結果の11次元表現は, 代表PDEの広いコレクションを正確に再構成することがわかった。
  論文  参考訳（メタデータ） (2026-08-31T16:09:41Z)
• The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims [0.9805949492148788]
  本稿では,AI支援研究におけるエビデンスライセンスクレームの概念的枠組みを開発する。 仮説生成、モデルによる結果導出、外部検証、信条更新、クレームキャリブレーションの5つの演算子としてAI支援研究を表現している。
  論文  参考訳（メタデータ） (2026-06-30T07:46:54Z)
• Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
  I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。 帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。 本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。 第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
  論文  参考訳（メタデータ） (2024-08-03T13:37:40Z)
• Phenomenal Yet Puzzling: Testing Inductive Reasoning Capabilities of Language Models with Hypothesis Refinement [92.61557711360652]
  言語モデル(LM)は、しばしば帰納的推論に不足する。 我々は,反復的仮説修正を通じて,LMの帰納的推論能力を体系的に研究する。 本研究は, LMの誘導的推論過程と人間とのいくつかの相違点を明らかにし, 誘導的推論タスクにおけるLMの使用の可能性と限界に光を当てる。
  論文  参考訳（メタデータ） (2023-10-12T17:51:10Z)
• Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models [15.817239008727789]
  本研究では,異なるドメインで生成された場合,サンプルがどのようなものであったのかを仮定した,ドメイン反事実と呼ばれる特定のタイプの因果クエリを解析する。 本研究では, 潜在構造因果モデル (SCM) の回復は, ドメイン・デファクト・デファクトを推定するために不要であることを示す。 また、モデル生成過程を単純化し、生成モデル推定を行うための理論的基盤となる実用的なアルゴリズムも開発する。
  論文  参考訳（メタデータ） (2023-06-20T04:19:06Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• A Topological Perspective on Causal Inference [10.965065178451104]
  仮定のない因果推論は、構造因果モデルの単なる集合においてのみ可能であることを示す。 以上の結果から,有効な因果推論を行うのに十分な帰納的仮定は,原理上は統計的に検証できないことが示唆された。 我々のトポロジカルアプローチのさらなる利点は、無限に多くの変数を持つSCMに容易に対応できることである。
  論文  参考訳（メタデータ） (2021-07-18T23:09:03Z)
• Exploring Lexical Irregularities in Hypothesis-Only Models of Natural Language Inference [5.283529004179579]
  自然言語推論(NLI)またはテキスト関連認識(RTE)は、文のペア間の関係を予測するタスクです。 包含を理解するモデルは前提と仮説の両方をエンコードするべきである。 Poliakらによる実験。 仮説でのみ観察されたパターンに対するこれらのモデルの強い好みを明らかにした。
  論文  参考訳（メタデータ） (2021-01-19T01:08:06Z)

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。