論文の概要: Where a Model Sends Its Own Repeated Token
- arxiv url: http://arxiv.org/abs/2609.31181v1
- Date: Fri, 25 Sep 2026 12:13:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.375649
- Title: Where a Model Sends Its Own Repeated Token
- Title（参考訳）: モデルが自作の繰り返し剣を贈る場所(動画あり)
- Abstract要約: ブラックボックスモデルの識別は、自然言語のプロンプトに対するモデルの応答を評価することで機能する。
退化した入力を受け取り、モデルがそうでないときにどこに行くのかを尋ねます。
結果は語彙全体の地図であり、2つのハーフがある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Black-box model identification works by scoring a model's response to natural-language prompts. One line of work feeds models a degenerate input -- their own token, repeated -- to find a failure mode rather than an identity. We take that input and ask where the model goes when it does not. For each token t, read argmax p(. | t, t) in one forward pass; the result is a map on the whole vocabulary, with two halves. The first -- which tokens are fixed points -- is partially anticipated, and we report it as a failed estimand: the natural distance on it is 83% cardinality, separates a corpus manipulation by two bits in 3471 against a precision floor of zero, and attributes families at 0.5833. The second half, where the map sends tokens that are not fixed points, is unrecorded; the one paper holding those tokens logged them as a zero. Pairing on the source token removes the cardinality confound by construction (r from 0.9128 to -0.0932) and attributes families at 0.8333 -- twelve models scored against a pool of nineteen -- with chance 0.1389, across seven tokenizer groups and several corpora. Two nulls clear it: frequency-matched destinations agree at 0.1429, independent marginals at 0.0798. Family predicts agreement better than tokenizer (0.2031 against 0.1205), and recurrent architectures cluster at balanced accuracy 1.0 against a 0.7895 majority rate, or 0.90 once each model's dominant destination is excluded -- the figure we stand behind. We measure the robustness envelope: 8-bit weight rounding moves the map less than deduplicating the training corpus does (0.9004 against 0.6353, on one support), 4-bit destroys it (0.0098; 0.1812 at deployment granularity, so not a coarseness artefact), and the precision floor varies by model from 0.201 to 0.9778. All estimands and kill conditions were registered before the data, and the failed one is reported as fully as the surviving one.
- Abstract（参考訳）: ブラックボックスモデルの識別は、自然言語のプロンプトに対するモデルの応答を評価することで機能する。
ある作業行は、アイデンティティではなく障害モードを見つけるために、退化した入力 -- 自身のトークン、繰り返し -- をモデルに提供します。
私たちはこの入力を受け取り、モデルがそうでないときにどこに行くのかを尋ねます。
各トークン t について、1つの前方通過で argmax p(. | t, t) を読み取る。
トークンが固定点である最初のものは部分的に予測されており、その自然な距離は83%の基数であり、3471年に2ビットのコーパス操作を0の精度フロアに対して分離し、0.5833の属性族である。
地図が固定点でないトークンを送信した後半は記録されていない。
ソーストークンにペアリングすることで、構成によって生じる濃度(r:0.9128から-0.0932)が取り除かれ、0.8333のファミリーが19のプールに対して12のモデルで、0.1389の確率で7つのトークン基といくつかのコーパスにまたがる。
周波数マッチングされた宛先は0.1429、独立した辺りは0.0798である。
家族はトークン処理器(0.2031対0.1205)よりもよく合意を予測し、バランスの取れた精度1.0で繰り返しアーキテクチャをクラスタリングします。
8ビットの重みラウンドリングは、トレーニングコーパスが行う除算よりも少ない (0.9004対0.6353) で、4ビットはそれを破壊する (0.0098; 0.1812, so so not a coarseness artefact) で、精度フロアは0.201から0.9778のモデルによって異なる。
データの前にすべての推定値と死亡条件が登録され、失敗した条件は生き残った条件と同程度に報告されている。
関連論文リスト
- Self-Cleaning and Captured Anyway: One Measured Primitive for Error in a Store an Agent Writes to Itself, and What a Falling Score Actually Measures [14.867869624585886]
「後から回収した店に結末を書き込むエージェントは、通常片道汚染として報告されるループを閉じる。」
「第87段の列は、全てアペンディックスWに、うち37段の行は退行、退行、失敗、自己是正、決定不能、または認められない限度であり、そうでないもの50である。」
論文 参考訳（メタデータ） (2026-09-06T13:54:02Z) - Token Counts Are Not Model Lineage: A Frozen-Threshold Holdout Study of Black-Box LLM API Fingerprinting [4.093009863847175]
大規模な言語モデルがリレーとリセラーAPIを通じて提供される場合、ブラックボックスモデルの属性はますます重要になる。
テンポの低い信号は、OpenAI互換エンドポイントで返されるプロンプトトケン数である。
しかし、この信号がより広範にEmphmodel- family属性に有効であることは、直接のホールドアウト試験がほとんど行われていない。
我々は,24個のラベル付きエンドポイントペアに対して凍結保持実験を行い,開発セットと未タッチのホールドアウトセットに均等に分割した。
論文 参考訳（メタデータ） (2026-08-30T17:58:49Z) - PROOF: Profiling Reliability of Object-Level Facts in Large Language Models [33.72751145910978]
PROOFは、命令調整言語モデルにおける事実カバレッジのためのプロファイル指向のベンチマークである。
各質問には、明示的な"I don't know"オプション、"No correct option"コントロール、および9つの制御された定式化がある。
我々は166,374個のオープンウェイトモデル配置を18個のオープンウェイトモデル配置で評価し,各プロンプトと固定10%のサブセットで個別にパーターブデコーディングを行う。
論文 参考訳（メタデータ） (2026-08-24T17:13:25Z) - Invocation-Level Reliability of Tool-Using Agents [0.7874708385247353]
クリーンな教師強化コンテキストと,モデル独自のフリーランニングコンテキストの両方の下で,その2つを分離する,正しい起動率を測定する。
深さ6では、モデル自身のクリーンコンテキスト能力の約70%が、以前の失敗に失われる。
論文 参考訳（メタデータ） (2026-08-23T09:04:59Z) - Refusing Everything Looks Safe: Restoring the Benign Arm to Encoded-Prompt Evaluation [28.190540929297637]
ベンチマークでは、難解な有害なリクエストを送信し、モデルがどの程度の頻度で準拠しているかを報告します。
私たちは良性の腕を同じ変換で動かし、2つのケースは遠く離れています。
エンコーディングが破壊するものは拒絶ではなく、有害なギャップである。
論文 参考訳（メタデータ） (2026-08-12T15:45:56Z) - TokenPrint: A Calibrated Token-Space Fingerprint for Language-Model Provenance [8.657685524975246]
そこで本研究では,250個の固定知識プローブによって抽出された隠れ状態の語彙予測値のトップ$kをベースとした無訓練指紋を提案する。
文書化された関係を持つ9家系(0.6B--32B)のオープンウェイトモデル32種について評価を行った。
論文 参考訳（メタデータ） (2026-08-08T13:56:39Z) - Accurate Ensembles, Fragile Narratives: Multi-Scale Stacking and a Fidelity Audit of LLM-Generated Explanations for Credit Risk [0.0]
クレジットスコアリングは、決定ロジックをパラメータから読み取ることができないモデルに依存している。
共通する提案は、言語モデルとのギャップを埋める: 特徴属性を計算し、それらを LLM に渡し、合理的に記述させる。
このようなシステムをエンド・ツー・エンドに構築し、約束の後半が成立するかどうかをテストします。
論文 参考訳（メタデータ） (2026-08-08T13:22:14Z) - Which Values Do LLMs Confuse? A Schwartz-Based Recognition Study [32.505127447635864]
シュワルツの10つの基本値に対するトップ1認識の制御について検討した。
我々は,21の命令調整LDM動作を定位応答プロトコルで評価する。
モデルはしばしば正しいモチベーション領域を見つけ、近い選択肢を不安定にランク付けする。
論文 参考訳（メタデータ） (2026-07-22T15:22:14Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - ZIP: Scalable Crowd Counting via Zero-Inflated Poisson Modeling [29.570935239024138]
ZIPは、ゼロインフレポアソン確率でブロックワイズカウントをモデル化するスケーラブルなクラウドカウントフレームワークである。
MSEに基づく損失よりもZIPに縛られるリスクが強いことを一般化分析で示す。
上海工科大学A&B、UCF-QNRF、NWPU-Crowdの実験では、ZIPがあらゆるモデルスケールにわたる最先端の手法を一貫して超越していることが示されている。
論文 参考訳（メタデータ） (2025-06-24T19:06:22Z)
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。