論文の概要: Do LiDAR Language Models Really Understand Spatio-temporal Relationships?

• arxiv url: http://arxiv.org/abs/2609.24452v1
• Date: Mon, 21 Sep 2026 11:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.272394
• Title: Do LiDAR Language Models Really Understand Spatio-temporal Relationships?
• Title（参考訳）: LiDAR言語モデルは時空間関係を本当に理解しているか?
• Abstract要約: ベンチマークと診断プロトコルであるLiDAR-Halluを150 nusのシーンで紹介する。 提案プロトコルは,固定回答と候補コンテンツ制御,クロスシーンペアを同一のプロンプトで組み合わせるが,参照応答は逆で,リレーショナルなリコールを行う。 記録された10万の応答の分析は、集合的空間精度によって隠された失敗を明らかにする。
• 参考スコア（独自算出の注目度）: 62.56505727364142
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent 4D LiDAR language models aim to reason about objects and their evolving spatial relationships. Yet, in our evaluation, always selecting the same option nearly matches the multiple-choice accuracy of two B4DL-derived configurations. We introduce LiDAR-Hallu, a geometry-referenced benchmark and diagnostic protocol with 10,000 questions across 150 nuScenes scenes. It covers object existence, ego-relative position, distance ordering, relative motion, and temporal localization, with explicit rules for selecting objects, comparing times, and determining reference answers. Our protocol combines fixed-answer and candidate-content controls, cross-scene pairs with identical prompts but opposite reference answers, and relation-specific recall. Analysis of 100,000 recorded responses reveals failures hidden by aggregate accuracy. Candidate duration alone makes temporal answers predictable without observing LiDAR. On paired questions, the models frequently give the same answer to scenes requiring opposite answers. Relation-specific analysis further shows that both configurations miss every positive lateral-motion case across all tested conditions. Temporal-shuffle contrastive decoding provides little net improvement, as repairs are largely offset by new errors and the main failures persist. These results show that evaluating spatio-temporal reasoning requires testing whether models distinguish the queried physical relationships, rather than relying on individual-answer accuracy alone. The source code, checkpoints, and data are released at https://github.com/Awesome4D/4DMLLM_Hallucination_Bench.
• Abstract（参考訳）: 最近の4次元LiDAR言語モデルは、オブジェクトとその進化する空間関係を推論することを目的としている。 しかし、我々の評価では、常に同じ選択肢を選択することは、2つのB4DL構成の多重選択精度とほぼ一致している。 LiDAR-Halluは,150 nuScenesのシーンに1万の質問がある,幾何参照型ベンチマークおよび診断プロトコルである。 対象物の存在、自我相対位置、距離順序付け、相対運動、時間的局所化を対象物の選択、時間の比較、参照回答の決定の明確な規則でカバーしている。 提案プロトコルは,固定回答と候補コンテンツ制御,クロスシーンペアを同一のプロンプトを持つが,参照応答とは正反対,関係性固有のリコールを組み合わせたものである。 記録された10万の応答の分析により、集合的精度で隠された障害が明らかになった。 候補期間だけで、LiDARを観察せずに時間的回答を予測できる。 ペア化された質問では、モデルが反対の回答を必要とするシーンに対して、しばしば同じ答えを与える。 関係性分析により、どちらの構成も全ての試験条件で正の側方運動のケースを見逃すことが判明した。 テンポラルシャッフルのコントラストデコーディングは、修復が新しいエラーによって相殺され、主要な障害が持続するので、網羅的な改善はほとんどない。 これらの結果から,時空間的推論を評価するには,個別回答の精度のみに頼るのではなく,検索対象の物理的関係を識別するかどうかを調べる必要があることが示唆された。 ソースコード、チェックポイント、データはhttps://github.com/Awesome4D/4DMLLM_Hallucination_Benchで公開されている。

関連論文リスト

• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Adaptive Dense Evidence Refinement for Video Relational Reasoning for VRR-QA Challenge [15.724849094439987]
  本稿では,適応型テスト時間計算を中心に構築された推論のみのシステムを提案する。 システムはまず、各質問に直接ビデオ言語モデルパスで答え、続いて複数の軽量ビューを使用して不安定な質問を見つける。 テストスプリットでは、最終システムは90.07平均精度と87.81マクロ平均精度を得る。
  論文  参考訳（メタデータ） (2026-05-31T08:45:06Z)
• When Does a Language Model Commit? A Finite-Answer Theory of Pre-Verbalization Commitment [6.48455847613423]
  言語モデルは最終回答を与える前に推論を生成することが多いが、可視性のある答えは、モデルの回答がいつ安定するかを明らかにしない。 我々はこの問題を、狭義の計算可能な対象である無限回答優先安定化(enmphfinite-aswer preference stabilization)を通して研究する。 モデル状態と特定解動詞化子に対しては、モデル自身の継続確率を有限解集合に投影する。 バイナリタスクでは、これは正確なlog-oddsコード、$()=S_(mathrmyesmid)-S_(mathrmnomid)が生成される。
  論文  参考訳（メタデータ） (2026-05-07T08:34:59Z)
• Evaluating Temporal Consistency in Multi-Turn Language Models [5.535674707194489]
  言語モデルは、ユーザが独立してではなく、時間とともに事実を判断する、インタラクティブな設定にますますデプロイされています。 我々はこの課題を時間的スコープ安定性のレンズを通して研究する。 制御されたマルチターン相互作用における時間的スコープの挙動を分離する大規模診断ベンチマークであるChronoScopeを紹介する。
  論文  参考訳（メタデータ） (2026-04-24T22:44:21Z)
• VideoZeroBench: Probing the Limits of Video MLLMs with Spatio-Temporal Evidence Verification [73.02304272829785]
  VideoBenchは、証拠を厳格に検証する長ビデオ応答のための階層的なベンチマークだ。 これは、13のドメインに500の注釈付き質問を手動で記述し、時間間隔と空間境界ボックスを組み合わせて証拠とする。 GeminiPro-3-Proでさえ、標準のエンドツーエンドのQA設定で17%未満の質問に正しく答えている。 その結果,表面レベルでの回答の正しさと真正な証拠に基づく推論との間に大きなギャップが生じた。
  論文  参考訳（メタデータ） (2026-04-02T03:29:43Z)
• Realistic Conversational Question Answering with Answer Selection based on Calibrated Confidence and Uncertainty Measurement [54.55643652781891]
  対話型質問回答モデル(ConvQA)は,会話中に複数回発生した質問文と過去の質問文のペアを用いて質問に回答することを目的としている。 本稿では,会話履歴における不正確な回答を,ConvQAモデルから推定された信頼度と不確実性に基づいてフィルタリングすることを提案する。 我々は2つの標準ConvQAデータセット上で、回答選択に基づくリアルな会話質問回答モデルの有効性を検証する。
  論文  参考訳（メタデータ） (2023-02-10T09:42:07Z)
• Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
  質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。 具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。 2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
  論文  参考訳（メタデータ） (2021-04-18T06:17:54Z)
• Robust Question Answering Through Sub-part Alignment [53.94003466761305]
  我々はアライメント問題として質問応答をモデル化する。 私たちは、SQuAD v1.1でモデルをトレーニングし、いくつかの逆および外ドメインデータセットでそれをテストします。
  論文  参考訳（メタデータ） (2020-04-30T09:10:57Z)

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。