論文の概要: MWE-ECL: Recoverable Long-Range Context Does Not Always Override Local Lexical Priors
- arxiv url: http://arxiv.org/abs/2609.27590v1
- Date: Wed, 23 Sep 2026 09:09:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.964531
- Title: MWE-ECL: Recoverable Long-Range Context Does Not Always Override Local Lexical Priors
- Title（参考訳）: MWE-ECL:リカバリ可能なロングランジコンテキストは、ローカルな語彙を常にオーバーライドしない
- Abstract要約: 長期コンテキスト評価は、モデルが遠い証拠を回収できるかどうかをしばしば検証するが、回復性は行動の影響を保証しない。
遠方ディコースアンカーが明示的に回復可能でありながら、慣れ親しんだマルチワード表現の読み方を変えることができないという予測を検証した。
両言語診断法であるMWE-ECL(Multiword Expression Effective Context Length)を導入する。
- 参考スコア（独自算出の注目度）: 10.145570155173756
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-context evaluations often test whether a model can recover distant evidence, but recoverability does not guarantee behavioral influence. We test the prediction that a distant discourse anchor can remain explicitly recoverable yet fail to change the locally preferred reading of a familiar multiword expression; such failures should concentrate when the model's no-anchor default conflicts with the anchor, while prior-correct decisions remain largely preserved. We introduce Multiword Expression Effective Context Length (MWE-ECL), a bilingual diagnostic whose matched anchor-retrieval, no-anchor prior, and interpretation prompts measure explicit recoverability, model-observed defaults, and anchor-conditioned decisions, respectively. Across eight English deployment panels on a shared 0-128K grid, retrieval-control accuracy on prior-conflict items is 0.989-1.000, prior-conflict override spans 0.806-1.000 (0.809-1.000 after conditioning on correct retrieval), and preservation of prior-correct decisions remains 0.977-1.000. A same-call control querying retrieval and interpretation in one prompt reproduces the gap for DeepSeek V4 Pro (1.000 retrieval versus 0.900-0.920 interpretation), showing that separate invocations are not its sole explanation; smaller or absent gaps in the other two models bound its generality. For DeepSeek V4 Flash, separate prompt-fit tests retain perfect retrieval with lower interpretation at 512K and 1M, while foil-consistent cues shift the no-anchor prior far more than retrieval; cross-model cue effects are heterogeneous. A separately reported 10-family Chinese subset shows similar descriptive gaps, but imperfect retrieval for some models prevents an integration-only attribution. MWE-ECL therefore evaluates whether explicitly recoverable distant context changes a competing local semantic decision.
- Abstract（参考訳）: 長期コンテキスト評価は、モデルが遠い証拠を回収できるかどうかをしばしば検証するが、回復性は行動の影響を保証しない。
我々は、遠方ディコースアンカーが明示的に回復可能でありながら、慣れ親しんだマルチワード表現の局所的な読み出しを変更できないという予測をテストする。
両言語的診断法であるMWE-ECL(Multiword Expression Effective Context Length)を提案する。
共通の0-128Kグリッド上の8つのイングランドの配置パネル、事前競合アイテムの検索制御精度は0.989-1.000、事前競合オーバーライド幅は0.806-1.000(正確な検索条件付きで0.809-1.000)、事前修正決定の保存は0.977-1.000のままである。
同呼制御クエリの検索と解釈は、DeepSeek V4 Proのギャップ(0.900-0.920の解釈対1.000の検索)を即座に再現し、別の呼び出しが唯一の説明ではないことを示す。
DeepSeek V4 Flashでは、個別のプロンプトフィットテストは512Kと1Mの低い解釈で完全検索を維持し、ホイル一貫性のキューは検索よりもはるかに先にノアンカーをシフトする。
別々に報告された10科の中国語サブセットは、同様の記述的ギャップを示しているが、いくつかのモデルの不完全な検索は、統合のみの属性を妨げている。
したがって、MWE-ECLは、明示的に回復可能な遠隔コンテキストが競合する局所的な意味決定を変更するかどうかを評価する。
関連論文リスト
- Truth for Believable AI: Expressed Doubt, Provenance, and Belief Revision as an Engineerable Stance [0.0]
定型言語モデル上での動作層として,不確実性,先入観を意識したアサーション,明示的信念のリビジョンを実装できるかどうかを検証した。
合成モデルとQwen2.5-0.5B-インストラクタを用いて,機械的に評価したマルチセッションベンチマークを用いて評価を行った。
論文 参考訳（メタデータ） (2026-09-22T11:34:53Z) - TimeLitmus: A Diagnostic Benchmark for Cross-Modal Understanding and Explanation Faithfulness in Event-Conditioned Time-Series Prediction [48.104261148149654]
TimeLitmusは、イベント条件付き時系列予測における相互理解と忠実さの説明のための診断ベンチマークである。
TimeLitmusには財務と交通の計4,856件の評価記録がある。
論文 参考訳（メタデータ） (2026-09-21T14:38:49Z) - Do LiDAR Language Models Really Understand Spatio-temporal Relationships? [62.56505727364142]
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。
論文 参考訳（メタデータ） (2026-09-21T11:59:07Z) - Interpreting Object-Dependent Concept Brittleness in Text-to-Image Diffusion Models [105.53190946111586]
我々はこの現象をオブジェクト依存概念の脆さと呼ぶ。
これらの障害を監査し、最小限に修正する、解釈可能性指向のフレームワークを提案する。
複数の拡散バックボーンにまたがるスタイルと属性の故障事例について,提案手法の評価を行った。
論文 参考訳（メタデータ） (2026-09-09T09:07:40Z) - It's the Problem, Not the Path: Budget and Difficulty Confounds in LLM Reasoning Trajectories [0.0]
再起動制御トランケーションプローブは、ソリューションが継続予算に適合するときに、プレフィックスが購入できない値を持てるときとを分離する。
事前登録された、難易度制御されたテストは、問題の難解なベースラインを超えた早期ウィンドウ内部信号における検出可能な結果情報を見つけない。
論文 参考訳（メタデータ） (2026-09-03T06:47:55Z) - CALMRec: Causally Aligned Language Memory for Long-Horizon Recommendation [0.0]
本稿では,ロングホライゾンレコメンデーションのためのモデルに依存しないフレームワークを提案する。
我々は,eコマース,ニュース,ショートビデオのような環境における識別結果を提供し,その枠組みを評価する。
論文 参考訳（メタデータ） (2026-07-26T13:28:51Z) - Memory Depth, Not Memory Access: Selective Parametric Consolidation for Long-Running Language Agents [0.0]
メモリ深度:小さなパラメトリックストアに書き込まれた耐久性のあるゴール条件付き傾向について検討する。
我々は,作業環境がアンロードされている間,検索インデックスが無傷である制御ストレステストであるループドリフトプロトコルを導入する。
選択的凝縮は2つの制御可能な次元(選択とアクティベーション)に分解される。
論文 参考訳（メタデータ） (2026-06-25T09:42:56Z) - Zero-source LLM Hallucination Detection with Human-like Criteria Probing [43.90784659213977]
大規模言語モデル(LLM)は、しばしば事実的に誤りまたは偽りのコンテンツを生成することによって幻覚を引き起こす。
幻覚検出のためのヒト様基準探索法(HCPD)を提案する。
HCPDは、人間の評価者の多面的推論をエミュレートするパラダイムである。
論文 参考訳（メタデータ） (2026-06-11T04:58:05Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳（メタデータ） (2026-05-27T03:41:11Z) - HLE-Verified: A Systematic Verification and Structured Revision of Humanity's Last Exam [63.84155758655084]
HumanityのLast Exam (HLE)は、フロンティアの大規模言語モデルを評価するために広く使われているベンチマークである。
HLE-Verifiedは,透過的検証プロトコルときめ細かい誤り分類法を備えたHLEの検証および改訂版である。
我々は,HLEとHLE-Verifiedの7つの最先端言語モデルを評価し,平均7～10ポイントの絶対精度を観測した。
論文 参考訳（メタデータ） (2026-02-15T02:50:15Z)
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。