論文の概要: Not All Answers Are Contextually Persuadable: Inference Dynamics in Large Language Models under Contextual Influence

• arxiv url: http://arxiv.org/abs/2610.04791v1
• Date: Sat, 03 Oct 2026 22:33:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 20:59:12.721179
• Title: Not All Answers Are Contextually Persuadable: Inference Dynamics in Large Language Models under Contextual Influence
• Title（参考訳）: すべての回答が文脈的に説得可能であるとは限らない:文脈の影響下での大規模言語モデルにおける推論ダイナミクス
• Abstract要約: 推論力学を用いて文脈的影響を解析するための理論的枠組みを導入する。 推論力学は、文脈的アサーションの繰り返しにおいて、非有界なドリフトを示さないことを示す。 我々は、理論予測を実証的に検証し、理論と観測された推論行動の間に強い整合性を示す。
• 参考スコア（独自算出の注目度）: 25.088376251296918
• License:
• Abstract: At the core of modern prompting techniques is contextual sensitivity, the ability of large language models to adapt their predictions based on inference-time context. Despite its central role, inference behavior under strong contextual influence remains poorly understood, particularly at the level of internal inference dynamics. We introduce a theoretical framework for analyzing contextual influence through inference dynamics, enabling quantitative characterization of inference behavior beyond output-level answer changes. Our analysis shows that inference dynamics do not exhibit unbounded drift under repeated contextual assertions. Instead, predictive representations converge to stable, query-dependent regimes that fundamentally constrain whether contextual signals can alter a model's prediction. This leads to a surprising finding: Repeated contextual assertions do not act as accumulating evidence during inference and may therefore fail to alter a model's prediction even under unbounded repetition, while in other cases a prediction change becomes inevitable. We empirically validate our theoretical predictions, demonstrating strong alignment between theory and observed inference behavior. These contributions offer a principled pathway toward characterizing the limits of contextual influence during inference, providing practical implications for model development.
• Abstract（参考訳）: 現代のプロンプト技術の中核にあるのは文脈感受性であり、大言語モデルが推論時間コンテキストに基づいて予測を適応できる能力である。 その中心的な役割にもかかわらず、強い文脈的影響の下での推論行動は、特に内部的推論力学のレベルでは理解されていない。 本研究では,推論力学による文脈的影響を解析するための理論的枠組みを導入し,出力レベルの応答変化を超えた推論行動の定量的評価を可能にする。 解析の結果, 推論力学は文脈的アサーションを繰り返して非有界なドリフトを示さないことがわかった。 代わりに、予測表現は、コンテキスト信号がモデルの予測を変更できるかどうかを根本的に制約する安定したクエリ依存のレギュレーションに収束する。 反復的文脈的アサーションは推論中に証拠を蓄積しないため、非有界な繰り返しの下でもモデルの予測を変更することができず、他の場合では予測変更は避けられない。 我々は、理論予測を実証的に検証し、理論と観測された推論行動の間に強い整合性を示す。 これらの貢献は、推論中の文脈的影響の限界を特徴づける原則的な経路を提供し、モデル開発に実践的な意味を与える。

関連論文リスト

• Reasoning as State Transition: A Representational Analysis of Reasoning Evolution in Large Language Models [50.39102836928242]
  モデルの内部状態の力学を研究するために,表現的視点を導入する。 トレーニング後、静的な初期表現品質が限られた改善しか得られないことが判明した。
  論文  参考訳（メタデータ） (2026-01-31T15:23:33Z)
• Analyzing Reasoning Consistency in Large Multimodal Models under Cross-Modal Conflicts [74.47786985522762]
  テキスト慣性(textual inertia)と呼ばれる重要な障害モードを特定し、矛盾する視覚的証拠を無視しながら、モデルは間違ったテキストに盲目的に固執する傾向がある。 本稿では,多種多様なLMMの推論連鎖に摂動を構造的に注入するLogicGraph摂動プロトコルを提案する。 その結果,10%未満の症例で自己修正が成功し,主に視覚的テキスト誤りの伝播に寄与することが判明した。
  論文  参考訳（メタデータ） (2026-01-07T16:39:34Z)
• Counterfactual Generative Modeling with Variational Causal Inference [1.9287470458589586]
  本稿では, 逆ファクト生成モデリングタスクを扱うための変分ベイズ因果推論フレームワークを提案する。 実験では, 反ファクト生成モデルにおける最先端モデルと比較して, フレームワークの利点を実証する。
  論文  参考訳（メタデータ） (2024-10-16T16:44:12Z)
• On Continuity of Robust and Accurate Classifiers [3.4410212782758043]
  敵の訓練が仮説の堅牢性を向上させることが示されている。 仮説の頑健性と正確性は互いに相反していることが示唆されている。 本稿では,その頑健さと精度に相容れない仮説の連続性について,その代替案を提示する。
  論文  参考訳（メタデータ） (2023-09-29T08:14:25Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment Analysis [56.84237932819403]
  本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。 そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
  論文  参考訳（メタデータ） (2022-07-24T03:57:40Z)
• Probabilistic modelling of rational communication with conditionals [0.0]
  条件に関する実用的推論には確率論的アプローチを採用する。 本モデルは,文献で検証された推論を一様に説明できることを示す。
  論文  参考訳（メタデータ） (2021-05-12T08:21:25Z)

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。