論文の概要: Predicting Steering Vectors and Adapter Weights for Few-Shot Author-Style Transfer

• arxiv url: http://arxiv.org/abs/2610.03163v1
• Date: Fri, 02 Oct 2026 11:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.35168
• Title: Predicting Steering Vectors and Adapter Weights for Few-Shot Author-Style Transfer
• Title（参考訳）: Few-Shot Author-Style Transferのためのステアリングベクトルとアダプタウェイトの推定
• Abstract要約: 著者ごとのいくつかの例からスタイル条件付き抽象生成について検討する。 スタイルの模倣と出力品質の間には、一貫したトレードオフがあります。 我々のステアリングは著者レベルで動作し、著者の抽象概念と同一コンテンツに対するスタイルニュートラル世代を対比する。
• 参考スコア（独自算出の注目度）: 20.33403101835814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adapting large language models to an individual author's style from a few examples is challenging, and scientific writing sharpens the difficulty: formal conventions leave little surface variation, and authors write about their own topics, so extracted ``style'' easily entangles with content. We study style-conditioned abstract generation from a few example abstracts per author and propose three methods: (1) contrastive activation steering, (2) a network that predicts steering vectors, and (3) a hypernetwork that predicts LoRA adapters. We find a consistent trade-off between style imitation and output quality: fine-tuning buys most of the available style signal but forfeits fluency, while the hypernetwork achieves the best trade-off on both seen and unseen authors. Our steering operates at author level, contrasting an author's abstracts against style-neutral generations for the same content. This holds topic fixed, removes the need for a predefined style inventory, and outperforms inventory-based steering. % [EDIT 1a] softened "no single optimal axis" claim Moreover, our analyses demonstrate that manually extracted and predicted steering vectors are near-orthogonal yet score comparably, indicating that style conditioning here can admit at least two unrelated directions rather than requiring one particular axis.
• Abstract（参考訳）: フォーマルな慣行は表面的な変化をほとんど残さず、著者は自身のトピックについて書いているので、抽出された ``style' は内容と簡単に絡み合う。 著者ごとのいくつかの例からスタイル条件付き抽象生成を研究し,(1)対照的なアクティベーションステアリング,(2)ステアリングベクトルを予測するネットワーク,(3)LoRAアダプタを予測するハイパーネットワークの3つの手法を提案する。 ファインチューニングは利用可能なスタイル信号のほとんどを購入できるが、流布を許さない。一方、ハイパーネットワークは、目に見えない作者と見えない著者の両方にとって、最高のトレードオフを達成する。 我々のステアリングは著者レベルで動作し、著者の抽象概念と同一コンテンツに対するスタイルニュートラル世代を対比する。 これはトピックを固定し、事前定義されたスタイルのインベントリの必要性を排除し、インベントリベースのステアリングを上回っます。 % (EDIT 1a) 軟化した「単一最適軸なし」のクレーム, さらに, 手動抽出および予測されたステアリングベクトルはほぼ直交するが, 比較可能であり, ここでのスタイルコンディショニングは, 1つの特定の軸を必要とせず少なくとも2つの無関係な方向を許容できることを示す。

関連論文リスト

• Can Activation Steering Capture Multidimensional Authorship Style? [19.828865768583082]
  アクティベーションステアリングは、適切に定義された属性に沿ってLLM生成を制御することを約束しているが、作者スタイルの多次元的および難しい性質を扱えるかどうかは不明だ。 そこで我々は, 自然言語スタイル記述子や専用トレーニングの必要性を回避して, リッチなスタイル表現をアクティベーション空間で直接構築できる構造的コントラストプロンプトを疑問視する。 私たちはAspect-Aware Activation Steering (A3S)でこれを運用しています。
  論文  参考訳（メタデータ） (2026-09-04T06:46:23Z)
• On the Limits of Steering Vectors for Preference-Aligned Generation [12.350800078736128]
  本研究では, 特性表現性, タスク伝達, マルチトレート構成の3次元に沿ったステアリングベクトル一般化の限界について検討する。 この結果から, ステアリングベクトルは, 嗜好アライメントのための汎用ツールとして有意な限界に直面していることが示唆された。
  論文  参考訳（メタデータ） (2026-07-02T07:18:36Z)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• AuthorMix: Modular Authorship Style Transfer via Layer-wise Adapter Mixing [50.94046654012963]
  AuthorMixは軽量でモジュール化され、解釈可能なスタイル転送フレームワークである。 我々は、個々のスタイル固有のLoRAアダプタを、オープンソース作者の小さなセットで訓練する。
  論文  参考訳（メタデータ） (2026-03-24T11:07:00Z)
• Capturing Style in Author and Document Representation [4.323709559692927]
  著者と文書の埋め込みをスタイリスティックな制約で学習する新しいアーキテクチャを提案する。 本稿では,Gutenbergプロジェクトから抽出した文芸コーパス,Blog Authorship,IMDb62の3つのデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2024-07-18T10:01:09Z)
• Forging the Forger: An Attempt to Improve Authorship Verification via Data Augmentation [52.72682366640554]
  著者検証(英語: Authorship Verification, AV)とは、ある特定の著者によって書かれたか、別の人物によって書かれたのかを推測するテキスト分類タスクである。 多くのAVシステムは敵の攻撃に弱いことが示されており、悪意のある著者は、その書体スタイルを隠蔽するか、あるいは他の著者の書体を模倣することによって、積極的に分類者を騙そうとしている。
  論文  参考訳（メタデータ） (2024-03-17T16:36:26Z)
• STEER: Unified Style Transfer with Expert Reinforcement [71.3995732115262]
  STEER: Unified Style Transfer with Expert Reinforcementは、スタイル転送のための限られた並列データという課題を克服するために開発された、統一されたフレームワークである。 STEERは堅牢で、ドメイン外のデータでスタイル転送機能を維持し、様々なスタイルでほぼすべてのベースラインを超越している。
  論文  参考訳（メタデータ） (2023-11-13T09:02:30Z)
• MetaHTR: Towards Writer-Adaptive Handwritten Text Recognition [36.12001394921506]
  我々は手書き文字認識の新しい手法を提案する。 新しいメタラーニングフレームワークを使い、新たなライターデータを利用する。 当社のフレームワークは、最先端のHTRモデルの上に簡単に実装できます。
  論文  参考訳（メタデータ） (2021-04-05T12:35:39Z)
• GTAE: Graph-Transformer based Auto-Encoders for Linguistic-Constrained Text Style Transfer [119.70961704127157]
  近年,非並列テキストスタイルの転送が研究の関心を集めている。 現在のアプローチでは、元の文の内容やロジックを保存できない。 文を言語グラフとしてモデル化し,グラフレベルで特徴抽出とスタイル転送を行う,グラフトランスフォーマーベースのAuto-GTAEを提案する。
  論文  参考訳（メタデータ） (2021-02-01T11:08:45Z)

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。