論文の概要: Same evidence, different judgments: Evidence noncommutative in vision/speech-text conflicts

• arxiv url: http://arxiv.org/abs/2609.26986v1
• Date: Tue, 22 Sep 2026 19:25:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.739826
• Title: Same evidence, different judgments: Evidence noncommutative in vision/speech-text conflicts
• Title（参考訳）: 同一の証拠, 異なる判断: 視覚・音声・音声の衝突における非可換性の証拠
• Abstract要約: 画像や音声が付随するテキストと矛盾する場合、測定されたテキスト依存は、モダリティの好みとエビデンスの位置とを結びつけることができることを示す。 視覚と音声のモデルを越えて、コンフリクトテキストの後に画像や記録を配置することで、回答をコンテンツに向けて一貫してシフトさせる。 同じ証拠は、注文が変わったときに異なる判断を導き、後に知覚的証拠を配置することで、モデルの内容への依存を高めることができる。
• 参考スコア（独自算出の注目度）: 14.233668486426795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For multimodal large language models, when images or speech conflict with accompanying text, measured text reliance can entangle modality preference with evidence position. Earlier studies of text bias often used a fixed evidence order or moved task instructions with the evidence, leaving the contribution of order unclear. In this paper, we use a paired comparison that keeps the instructions and evidence content fixed and swaps only the positions of the two sources to quantify this potential influence. Across vision and speech models, placing an image or recording after conflicting text consistently shifts answers toward its content. We also revisit previous studies and analyze why their experimental settings can lead to misleading conclusions. These findings reveal cross-modal evidence noncommutativity: the same evidence can lead to different judgments when its order changes, and placing perceptual evidence later can increase the model's reliance on its content.
• Abstract（参考訳）: マルチモーダルな大言語モデルでは、画像や音声が付随するテキストと矛盾する場合、測定されたテキスト依存は、モダリティの好みとエビデンスの位置を結びつけることができる。 テキストバイアスに関する初期の研究は、しばしば固定された証拠命令を使ったり、その証拠を移動させたタスク命令を使用しており、命令の寄与ははっきりしないままであった。 本稿では,2つの情報源の位置のみを交換して,その潜在的な影響を定量化するために,命令と証拠の内容を固定したペア比較を用いる。 視覚と音声のモデルを越えて、コンフリクトテキストの後に画像や記録を配置することで、回答をコンテンツに向けて一貫してシフトさせる。 また、過去の研究を再考し、実験環境がなぜ誤解を招くのかを分析した。 同じ証拠は、注文が変わったときに異なる判断を導き、後に知覚的証拠を配置することで、モデルの内容への依存を高めることができる。

関連論文リスト

• Tri-PvP: Exposing Modality Bias in Omni-Modal Large Language Models through Perceptual-Propositional Evidence Conflicts [49.97842835825998]
  既存のベンチマークでは、知覚信号と命題信号の2つの形態の証拠が記述されている。 本稿では,視覚,音声,テキストを交叉するベンチマークであるTri-PvPを紹介する。 多くのモデルとエビデンス型条件で頑健な視覚バイアスが見つかり、重要なことはエビデンス型バイアスの系統的な非対称性を明らかにすることである。
  論文  参考訳（メタデータ） (2026-09-05T10:33:58Z)
• Retrieving Versus Understanding Extractive Evidence in Few-Shot Learning [4.230202411425062]
  大規模言語モデルにおける文書内証拠の検索と解釈の関係を解析する。 ラベル予測とエビデンス検索の誤りが関連する証拠の質に起因するかどうかを2つのアブレーション研究により調査する。
  論文  参考訳（メタデータ） (2025-02-19T20:48:09Z)
• CORRECT: Context- and Reference-Augmented Reasoning and Prompting for Fact-Checking [14.890042094350411]
  本稿では,コンテキストと参照を付加した推論とプロンプティングという新しい手法を提案する。 証拠推論のために、証拠層、文脈層、参照層を持つ3層エビデンスグラフを構築した。 検証予測のために,各クレームに対して独自のプロンプト埋め込みを生成するエビデンス条件のプロンプトエンコーダを設計する。
  論文  参考訳（メタデータ） (2025-02-09T01:41:15Z)
• Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
  証拠は、自動化された事実チェックにおいて重要な役割を果たす。 既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。 資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
  論文  参考訳（メタデータ） (2023-05-25T15:01:19Z)
• Read it Twice: Towards Faithfully Interpretable Fact Verification by Revisiting Evidence [59.81749318292707]
  本稿では,証拠の検索とクレームの検証を行うためにReReadという名前の事実検証モデルを提案する。 提案システムは,異なる設定下での最良のレポートモデルに対して,大幅な改善を実現することができる。
  論文  参考訳（メタデータ） (2023-05-02T03:23:14Z)
• Unified Dual-view Cognitive Model for Interpretable Claim Verification [5.792785482633386]
  本稿では,集団認識と個人認知の視点に基づくデュアルビューモデルを提案する。 集団認知の観点からは、個々のユーザに基づく単語レベルの意味論を捉えるだけでなく、文レベルの意味論にも焦点をあてる。 個人認知の観点から、高い差のある上位$kの記事を選択し、局所的な鍵証拠の断片を探索するクレームと相互作用する。
  論文  参考訳（メタデータ） (2021-05-20T07:44:03Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

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。