論文の概要: Language Unalignability: Why Some Concepts Resist Cross-Cultural Benchmark Evaluation
- arxiv url: http://arxiv.org/abs/2610.08303v1
- Date: Tue, 06 Oct 2026 13:10:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.9991
- Title: Language Unalignability: Why Some Concepts Resist Cross-Cultural Benchmark Evaluation
- Title（参考訳）: 言語の不整合性:なぜいくつかの概念がクロスカルチャーベンチマーク評価に抵抗するのか
- Abstract要約: 我々は、暗黙的な翻訳同型推定(TIA)は、タイプ論的に特定可能な概念のクラスに対して原則として不適切であると主張する。
我々は$$-unalignabilityを、語彙的忠実性を同時に保存する任意の写像の不合理性として定義する。
我々はこれらの知見を多次元の診断プロファイルとして運用する。
- 参考スコア（独自算出の注目度）: 0.3007949058551534
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current evaluation of multilingual Large Language Models (LLMs) rests on an implicit Translation-Isomorphism Assumption (TIA): that semantic structures across languages are congruent and mutually mappable without loss of information. We argue that this assumption is not merely violated in practice, but ill-posed in principle for a typologically identifiable class of concepts, including pragmatic markers, honorifics, and diachronically stratified terms. We formalize this failure using a usage-cloud framework, representing concepts as point sets of contextualized embeddings. We define $α$-unalignability as the impossibility of any mapping that simultaneously preserves lexical faithfulness (centroid correspondence) and structural faithfulness (local neighborhood topology). We provide three layers of evidence. Behaviorally, we show that FLORES-200 translation failures are predicted by language family and resource class but not by script, and that LOBSTER reasoning scores vary by family. Mechanistically, we report a Representation-Intervention Gap (RIG) in a nine-model case study on Yami: the models' activations encode a regularity along which Yami groups with other low-resource and Austronesian languages, yet interventions on language-specific neurons show no demonstrated advantage over random masks: the regularity is visible but not usable by this intervention. Finally, we operationalize these findings into a multidimensional diagnostic profile: Cycle-Consistency, Pragmatic-Load Disagreement, Manifold-Curvature Mismatch, and RIG. We argue that collapsing cultural competence into a single scalar incentivizes "probabilistic flattening," and that recognizing the unalignable class is a precondition for AI that respects, rather than erases, cultural divergence. This suggests that multilingual alignment is not a single well-defined objective, but a set of mutually incompatible projections.
- Abstract（参考訳）: 多言語大言語モデル (LLMs) の現在の評価は暗黙的な翻訳同型推定 (TIA) に依存している。
この仮定は、実際には単に違反されるのではなく、実用的マーカー、名誉、そして時相的に成層化される用語を含む、タイプ論的に特定可能な概念のクラスに対して原則的に不適切である、と我々は主張する。
我々は、この失敗をユースケースクラウドフレームワークを使って形式化し、概念をコンテキスト化された埋め込みのポイントセットとして表現する。
我々は$α$-unalignabilityを、語彙的忠実度(中心的対応)と構造的忠実度(局所近傍トポロジー)を同時に保存する任意の写像の不合理性として定義する。
証拠は3層ある。
FLORES-200翻訳失敗は言語ファミリーやリソースクラスによって予測されるが、スクリプトでは予測されず、LOBSTER推論スコアは家族によって異なる。
機械学的には、Yamiの9モデルケーススタディにおいて、Representation-Intervention Gap (RIG) を報告した: モデルのアクティベーションは、他の低リソースおよびオーストロネシア諸言語とYamiグループを囲む規則性をエンコードするが、言語特異的ニューロンへの介入はランダムマスクに対して有意な優位性を示していない。
最後に,これらの知見を多次元的診断プロファイル(Cycle-Consistency, Pragmatic-Load Disagreement, Manifold-Curvature Mismatch, RIG)に分類した。
文化的な能力が1つのスカラーに崩壊すると「確率的フラット化」がもたらされると我々は主張し、無秩序な階級を認識することは、文化的な多様性を消し去るのではなく、AIを尊重する前提条件であると主張した。
このことは、多言語アライメントは単一の明確に定義された目的ではなく、互いに相容れない射影の集合であることを示唆している。
関連論文リスト
- Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。
我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。
Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
論文 参考訳（メタデータ） (2026-07-21T16:15:05Z) - Do Language Models Encode Knowledge of Linguistic Constraint Violations? [6.1335559884409685]
大規模言語モデル (LLM) は言語的性能は高いが、これらの予測を生成するための内部メカニズムはいまだに不明である。
本研究では,LLMが言語制約違反の表現をパラメータ内にエンコードし,非文法的な文を処理する際に選択的に活性化されるという仮説を考察する。
本稿では,制約違反と良好な入力に対して優先的に活性化される特徴を特定するための感度スコアを導入し,潜在的な違反固有の特徴の教師なし検出を可能にする。
論文 参考訳（メタデータ） (2026-05-12T12:37:06Z) - Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation [58.01855677487771]
本研究では,多言語大言語モデル (MLLM) が,プロンプトの言語変化に伴う不整合性を示すことを示す。
コンセンサス駆動型アライメントフレームワークであるC-3POを提案する。
C-3POは、非整合モデルよりも0.10ポイントの$_S$を絶対的に増加させ、強力なプロンプトと表現のステアリングベースラインを上回る。
論文 参考訳（メタデータ） (2026-04-02T14:04:06Z) - Cross-Lingual Stability of LLM Judges Under Controlled Generation: Evidence from Finno-Ugric Languages [0.22009842278462158]
大規模言語モデル(LLM)の言語間評価は、典型的には、真のモデルの性能差と測定不安定性の2つの要因を混同する。
対象言語が異なる場合に生成条件を一定に保って評価信頼性を評価する。
本研究は, 形態学的に豊かな言語における談話レベルの評価には, ゼロショット・ジャッジ・トランスファーが信頼できないことを示唆している。
論文 参考訳（メタデータ） (2026-02-02T16:27:32Z) - 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) - Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。
この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。
あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
論文 参考訳（メタデータ） (2025-12-15T16:14:32Z) - 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) - Provable Limitations of Acquiring Meaning from Ungrounded Form: What
will Future Language Models Understand? [87.20342701232869]
未知のシステムが意味を習得する能力について検討する。
アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。
言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。
しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
論文 参考訳（メタデータ） (2021-04-22T01:00:17Z) - Infusing Finetuning with Semantic Dependencies [62.37697048781823]
シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。
次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
論文 参考訳（メタデータ） (2020-12-10T01:27:24Z) - A Call for More Rigor in Unsupervised Cross-lingual Learning [76.6545568416577]
このような研究の既存の理論的根拠は、世界の多くの言語における並列データの欠如に基づいている。
並列データと豊富なモノリンガルデータのないシナリオは現実的には非現実的であると我々は主張する。
論文 参考訳（メタデータ） (2020-04-30T17:06:23Z)
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。