論文の概要: Does a model's stated reason for rejecting a candidate do any work?

• arxiv url: http://arxiv.org/abs/2609.30151v1
• Date: Thu, 24 Sep 2026 17:13:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.151865
• Title: Does a model's stated reason for rejecting a candidate do any work?
• Title（参考訳）: モデルが候補者を拒絶する理由は何かあるのか?
• Abstract要約: 言語モデルは、そのプロファイルに欠けている事実を命名することで、しばしばライバルを拒絶する。 ライバルのプロフィールに名前付き事実を記載した実文を導入する。 2つの制御は、配置からコンテンツを分離する:同じプロファイルにおける長一致無関係文と、モデルが言及しなかった第3オプションにおける同じ2つの文である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Asked to choose between candidates and explain the choice, a language model often rejects a rival by naming a fact its profile lacks: no director, no date of death. That sentence is a claim about the text in front of the model, and it can be tested without any judge. We insert a real corpus sentence stating the named fact into the rival's profile and ask again under greedy decoding. Two controls separate content from placement: a length-matched irrelevant sentence at the same profile, and the same two sentences at a third option the model never mentioned. In the largest of three runs, six open models on 2WikiMultihopQA, supplying the named fact at the profile the model named moves its choice more than the irrelevant control does, odds ratio 3.57 [1.54, 8.26], Holm p=0.0210, and this survives dropping any single model. The contrast the design was built to detect, the same fact at the option nobody named, does not clear correction, Holm p=0.2428. The strongest result in the family carries no content claim at all: the identical irrelevant sentence moves the choice more at the named rival than at the third option, Holm p=0.0008. Repair and control also differ in co-candidate mentions, relation template and fluency; post-hoc matching on the first two preserves the content effects' direction, matching fluency weakens one, so the content contrasts bound an effect rather than establish one. A forced single-token probability read disagrees in direction with the free-text choice on that same contrast, and three candidate explanations for the disagreement find no support. Every measurement is a string rule, so each was validated against the records it reads; validation caught eight defects. The largest, a choice-parsing rule that returned the option a model had just rejected in 17.1% of adjudicable responses, would have reported six surviving contrasts instead of four.
• Abstract（参考訳）: 候補者の選択と選択の説明を依頼された言語モデルは、そのプロフィールに欠けている事実を命名することで、しばしばライバルを拒絶する。 この文は、モデルの前のテキストに関するクレームであり、裁判官なしでテストすることができる。 我々は、その名前のついた事実をライバルのプロフィールに挿入し、欲張りの復号化の下で再度質問する。 2つの制御は、配置からコンテンツを分離する:同じプロファイルにおける長一致無関係文と、モデルが言及しなかった第3オプションにおける同じ2つの文である。 2WikiMultihopQAの6つのオープンモデルは、名前のついた事実をプロファイルで提供し、名前のついたモデルは、無関係な制御よりも選択肢を移動させ、オッズ比 3.57 [1.54, 8.26] 、ホルム p=0.0210 が残る。 この設計が検出するために作られたコントラストは、名前のないオプションと同様、Holm p=0.2428である。 同一の無関係な文は、第3の選択肢であるホルム p=0.0008 よりも、名前のついたライバルに選択肢を移す。 修復と制御は、コ・カンジデントの言及、関係テンプレート、流派にも異なる;最初の2つのホット後マッチングは、コンテンツ効果の方向を保ち、流派は1つを弱めるので、コンテンツコントラストは1つを確立するよりも効果を束縛する。 強制的なシングルトークンの確率は、同じコントラストにおける自由テキストの選択と方向が一致せず、不一致に対する3つの候補説明は、支持しない。 すべての測定は文字列ルールなので、それぞれが読み込んだレコードに対して検証され、バリデーションは8つの欠陥をキャッチしました。 最大で、あるモデルが17.1%の偏見応答で拒否したオプションを返却する選択パーシングルールは、4つではなく6つの継続コントラストを報告していた。

関連論文リスト

• Detectable Only Where It Is Confounded: What Verified Duplication Counts Say About Membership Evidence in Language Models [0.0]
  言語モデルが予測する文章を異常に安価に見つけると、その文章が訓練データに含まれていたと結論付ける傾向があることが示される。 ほぼ全ての公開テストでは、どの文章がトレーニングデータ、メンバー、どれがそうでなかったかを推測する必要があった。 本稿では,OLMo-2とPythiaの2つのモデルファミリーが事前学習コーパスを公開し,各コーパスに現れる文の正確な回数を公開インデックスとして返却する。 答えは2つの側面から閉じてピンサーを形成する。
  論文  参考訳（メタデータ） (2026-09-09T21:01:56Z)
• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Right Frame, Wrong Rule: Cultural Cues Expose the Financial Knowledge Gap They Were Meant to Close [57.963463622270275]
  イスラム金融における規範的多元主義を4つの分類法を用いて研究する。 文化的キューは1つのフレームワークに向かってモデルを操縦するが、そのモデルはそのフレームワーク内で間違った答えを選択する。
  論文  参考訳（メタデータ） (2026-09-01T09:46:53Z)
• Explicit, Not Longer: What Makes Epistemic Stance Survive Memory Compression [0.0]
  ラベル付きフィールドとしてスタンスを書くことは、2つのモデルで約15ポイントの保持率を高める。 両方のモデルでフォーマットを壊すことで、異なるパーツから同じ効果が得られる。 私たちは交差点のみを主張する: スタンスを明確化し、単に長いだけでなく、モデルに依存するのに最も明確な方法を期待する。
  論文  参考訳（メタデータ） (2026-08-07T08:28:12Z)
• When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models [45.91367912142692]
  異なるモデルがいまだに同じ狭い部分集合を選択している可能性を示し、単一の引用が誤りを犯さずに、引用モノカルチャーを生成する。 3つのベンダーの11のモデルが、30のランダムなパネルから少なくとも10の論文を選択しており、実際のタイトルと抽象物があるが、作者が作り直され、再割り当て年、隠れた会場と引用数がある。
  論文  参考訳（メタデータ） (2026-08-03T14:27:46Z)
• Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
  Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。 ラベルを適用すれば依存性認定正当性(D-CC)が得られる 4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
  論文  参考訳（メタデータ） (2026-07-29T15:55:31Z)
• Tag Questions and the Generational Reversal of Sycophancy Across 45 Language Models [3.7734715043126488]
  2ワードの確認タグを決定問題に適用すると、言語モデルがその選択を支持しているかどうかが変わる。 我々はこのタグ効果を20個の凍結した地道な決定に対して測定する。 45以上のモデルでは、効果は+32%から-32%で、1ワードで64ポイントスイングする。
  論文  参考訳（メタデータ） (2026-07-27T04:02:00Z)
• Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
  放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。 ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。 3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI) 4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
  論文  参考訳（メタデータ） (2026-07-19T22:27:00Z)
• LLMs as a Jury: Cross-Model Consensus Can Outperform Process Reward Models for LLM Reasoning [6.241883798820154]
  モデル間コンセンサス(モデル間コンセンサス)について検討し、独立に訓練されたモデル(各モデルが一度解ける程度)が最終解に一致するかを検討した。 パネルをLCM判定として扱い、合意の構造は、他のモデルのスコアではなく、検証信号である。 3つのパネル統計値から平均絶対誤差0.03$までのコンセンサス精度を予測する。
  論文  参考訳（メタデータ） (2026-07-11T05:57:54Z)
• Surface Form Competition: Why the Highest Probability Answer Isn't Always Right [70.71122438366142]
  Domain Conditional Pointwise Mutual Informationは、サーフェスフォームの競争を補償します。 キャリブレーション機能とアンキャリブレーション機能の両方でゼロショット性能の一貫したゲインを実現します。
  論文  参考訳（メタデータ） (2021-04-16T18:57:19Z)

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。