論文の概要: The Concrete-Arbitrary Gap: Kinship Reasoning in LLMs Is Not Indifferent to Presentation

• arxiv url: http://arxiv.org/abs/2609.39913v1
• Date: Wed, 30 Sep 2026 15:06:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.957712
• Title: The Concrete-Arbitrary Gap: Kinship Reasoning in LLMs Is Not Indifferent to Presentation
• Title（参考訳）: コンクリート-アービタリーギャップ:LLMにおける交互推論はプレゼンテーションとは無関係
• Abstract要約: 親しみやすい語彙で表現されたり、定義されたナンス述語で表現されたりした場合、大きな言語モデルで形式的に一致した親和性の問題が等しく解決されるかどうかを検証する。 500組のグラフ全体で、具体的な精度は局所的なQwen3.8-27Bで35.6ポイント、Gemma 4 26B-A4Bで26.6ポイント、Gemma 4 31Bで12.0、Qwen3.8-Maxで5.4ポイントを超える。 推論予算と迅速な言語介入は、その差を大幅に減らし、固定された不能力ではなく変更可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We test whether large language models solve formally matched kinship problems equally well when relations are expressed in familiar vocabulary or by explicitly defined nonce predicates. Across 500 paired graphs, concrete accuracy exceeds arbitrary accuracy by 35.6 percentage points in local Qwen3.8-27B, 26.6 in Gemma 4 26B-A4B, 12.0 in Gemma 4 31B, and 5.4 in Qwen3.8-Max. All four paired gaps are statistically resolved. Reasoning budgets and prompt-language interventions can substantially reduce the difference, showing that it is modifiable rather than a fixed incapacity. The minimal conclusion is behavioral: on these tasks, the models' manifested relational competence is not indifferent to presentation. Explicit definitions provide the formal relations but do not make nonce predicates as usable as familiar vocabulary embedded in learned linguistic associations.
• Abstract（参考訳）: 親しみやすい語彙で表現されたり、明示的に定義された名詞述語で表現されたりした場合に、大きな言語モデルが形式的に一致した親族問題を等しく解決するかどうかを検証する。 500組のグラフ全体で、具体的な精度は局所的なQwen3.8-27Bで35.6ポイント、Gemma 4 26B-A4Bで26.6ポイント、Gemma 4 31Bで12.0、Qwen3.8-Maxで5.4ポイントを超える。 4組のギャップはすべて統計的に解決されている。 推論予算と迅速な言語介入は、その差を大幅に減らし、固定された不能力ではなく変更可能であることを示す。 最小限の結論は行動的であり、これらのタスクにおいて、モデルが示す関係能力はプレゼンテーションに無関心ではない。 明示的な定義は形式的な関係を提供するが、ナンス述語を学習言語協会に埋め込まれた親しみやすい語彙ほど使いやすくはしない。

関連論文リスト

• Measuring Stability and Failure Behavior in Language Models Under Structured Perturbations [0.5076419064097734]
  ストレステスト推論モデルのための、グレード付き、多家族対応のフェールアウェアフレームワークを提案する。 それぞれの問題を7つのファミリーにまたがる複数のレベルの重大さのはしごに沿ってゆがめている。 すべてのテストは、その測定された重症度によって評価され、ラベル付けされる。
  論文  参考訳（メタデータ） (2026-08-22T23:46:11Z)
• Explanation Fairness in Large Language Models: An Empirical Analysis of Disparities in How LLMs Justify Decisions Across Demographic Groups [0.0]
  大規模言語モデル(LLM)は、意思決定だけでなく、それらを説明するためにもますますデプロイされている。 本稿では,5つの公式に定義された操作可能な次元からなるフレームワークであるExplaination Fairness Taxonomy(EFT)を紹介する。 分類学は80のプロンプトテンプレート、4つの連続決定ドメイン、5つのLCMからなる制御された実証研究でインスタンス化される。
  論文  参考訳（メタデータ） (2026-05-09T04:19:03Z)
• Surface Sensitivity in Lean 4 Autoformalization [1.7855077077275565]
  観察されたパラフレーズの感度は,形式化が成功する間に意味的差異が生じるのではなく,コンパイル境界の障害を反映していることがわかった。 この結果から,今後のトレーニング時間の介入はセマンティック層ではなく,コンパイル境界を目標とすべきであることが示唆された。
  論文  参考訳（メタデータ） (2026-04-25T04:26:19Z)
• From Abstract to Contextual: What LLMs Still Cannot Do in Mathematics [79.81905350372067]
  我々は文脈的数学的推論を通してギャップを研究する。 AIMEとMATH-500の問題を2つのコンテキスト設定に再利用するベンチマークであるContextMATHを紹介する。 オープンソースモデルはSGとCSで13、34ポイント減少し、プロプライエタリモデルは13、20ポイント減少している。
  論文  参考訳（メタデータ） (2026-01-30T14:56:04Z)
• Beyond Memorization: Testing LLM Reasoning on Unseen Theory of Computation Tasks [8.210112631285666]
  大規模言語モデル(LLM)は、形式的な言語タスクにおいて強力なパフォーマンスを示している。 正規言語を用いた決定論的有限オートマトン (DFA) 構築のためのベンチマークを導入する。 モデルが実際の質問に対して完璧に精度を達成し、タスクに対して84-90%を達成できることを示すが、その精度は目に見えない問題に対して急激に低下する。
  論文  参考訳（メタデータ） (2026-01-19T21:00:31Z)
• Causal Understanding by LLMs: The Role of Uncertainty [43.87879175532034]
  近年の論文では、LLMは因果関係分類においてほぼランダムな精度を達成している。 因果的事例への事前曝露が因果的理解を改善するか否かを検討する。
  論文  参考訳（メタデータ） (2025-09-24T13:06:35Z)
• Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
  言語モデル(LM)は、自然言語生成において有望な性能を示している。 与えられた入力に応答する際の不確実性を正確に定量化することは重要である。 我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-04-04T02:31:05Z)
• Simple Linguistic Inferences of Large Language Models (LLMs): Blind Spots and Blinds [59.71218039095155]
  我々は,ほとんどの人間が自明に感じる単純な推論タスクにおいて,言語理解能力を評価する。 我々は, (i) 文法的に特定された含意, (ii) 不確実性のある明らかな副詞を持つ前提, (iii) 単調性含意を目標とする。 モデルはこれらの評価セットに対して中程度から低い性能を示す。
  論文  参考訳（メタデータ） (2023-05-24T06:41:09Z)
• Towards preserving word order importance through Forced Invalidation [80.33036864442182]
  事前学習された言語モデルは単語の順序に敏感であることを示す。 我々は,単語順序の重要性を維持するために強制的無効化を提案する。 実験の結果,強制的無効化は単語順に対するモデルの感度を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-04-11T13:42:10Z)

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。