論文の概要: Trajectory Abstraction for the Science of Language Agent Behavior

• arxiv url: http://arxiv.org/abs/2610.09237v1
• Date: Tue, 06 Oct 2026 23:58:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.649836
• Title: Trajectory Abstraction for the Science of Language Agent Behavior
• Title（参考訳）: 言語エージェント行動科学のための軌道抽象
• Abstract要約: 言語エージェントの科学的研究は、タスクやモデルにまたがる仮説を支持する行動変数を必要とする。 我々は、この研究問題を軌道抽象の階層の学習とテストとして定式化する。 我々は、許容された削減のための有限深度境界を導出し、固定された抽象化に対するプロトコル効果を特定し、実現の不一致と抽象誤差の構成を特徴付ける。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Scientific studies of language agents need behavioral variables that support hypotheses across tasks and models. We formulate this research problem as learning and testing a hierarchy of trajectory abstractions. A concrete recursive procedure first measures role- and phase-indexed events, proposes temporally constrained relations, and tests their stability across conditions. It then constructs episode-level motif variables from selected relations and repeats the analysis on those variables. Explicit measurement functions connect every abstraction level to the original trajectories. Observations and randomized protocol experiments assess the resulting hypotheses, while comparisons between intervention realizations determine whether an abstraction should be retained, refined, or restricted. We derive a finite-depth bound for accepted reductions, identify protocol effects on fixed abstractions, and characterize realization disagreement and composition of abstraction error. A finite-sample test makes projected intervention consistency operational, and constructed examples illustrate motif construction and abstraction refinement. The formulation distinguishes this experimental approach from semantic taxonomies, qualitative theory induction, and behavior-model recovery. It specifies a proposed research procedure for discovering generalizable behavioral hypotheses, with literature-relative novelty assessed separately from model-relative surprise.
• Abstract（参考訳）: 言語エージェントの科学的研究は、タスクやモデルにまたがる仮説を支持する行動変数を必要とする。 我々は、この研究問題を軌道抽象の階層の学習とテストとして定式化する。 具体的再帰的手続きは、まずロール・インデクシングとフェーズ・インデクシングのイベントを測定し、時間的に制約された関係を提案し、条件を越えた安定性をテストする。 その後、選択された関係からエピソードレベルのモチーフ変数を構築し、それらの変数の分析を繰り返す。 明示的な測定関数は、すべての抽象レベルを元の軌跡に接続する。 観察およびランダム化されたプロトコル実験は、結果の仮説を評価する一方、介入実現の比較は、抽象化を維持、洗練、または制限すべきかどうかを決定する。 我々は、許容された削減のための有限深度境界を導出し、固定された抽象化に対するプロトコル効果を特定し、実現の不一致と抽象誤差の構成を特徴付ける。 有限サンプルテストは、投影された干渉の一貫性を運用し、構築された例は、モチーフの構築と抽象化の洗練を示す。 この定式化は、この実験的なアプローチを意味分類学、定性的理論の誘導、行動モデル回復と区別する。 一般化可能な行動仮説を発見するための提案された研究手順を、モデル相対的サプライズとは別個の文献相対的ノベルティで定義する。

関連論文リスト

• Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model [67.84198127797005]
  逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。 本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
  論文  参考訳（メタデータ） (2026-08-10T07:46:13Z)
• Abstract Activation Spaces for Content-Invariant Reasoning in Large Language Models [28.102903742881576]
  本稿では,構造的推論を語彙的意味論から明確に分離する抽象誘導推論フレームワークを提案する。 本稿では,抽象化整合型ステアリングがコンテンツ駆動型エラーを低減し,妥当性に敏感な性能を向上させることを示す。
  論文  参考訳（メタデータ） (2026-02-02T18:48:44Z)
• Schoenfeld's Anatomy of Mathematical Reasoning by Language Models [56.656180566692946]
  我々は、Schoenfeldのエピソード理論を誘導型中間スケールレンズとして採用し、ThinkARM(モデルにおける推論の解剖学)を紹介する。 ThinkARMは、推論トレースを分析、探索、実装、検証などの機能的推論ステップに明示的に抽象化する。 エピソードレベルの表現は推論ステップを明確にし、現代の言語モデルにおける推論がどのように構造化され、安定化され、変更されるかの体系的な分析を可能にする。
  論文  参考訳（メタデータ） (2025-12-23T02:44:25Z)
• Causal Abstraction Inference under Lossy Representations [53.18851962820361]
  我々は、既存の定義を一般化して損失表現に適合させる、投影抽象化と呼ばれる新しいタイプの抽象化を導入する。 低レベルモデルから投影された抽象化を構築する方法と、それと等価な観察的、介入的、および反ファクト的因果クエリを低レベルから高レベルに翻訳する方法を示す。
  論文  参考訳（メタデータ） (2025-09-25T21:20:42Z)
• Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
  本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。 本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。 実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-10T17:04:39Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Quantifying Consistency and Information Loss for Causal Abstraction Learning [16.17846886492361]
  我々は、エージェントがそのようなトレードオフを評価するために使用できる介入措置のファミリーを紹介する。 我々は,異なるタスクに適した4つの尺度を考察し,その特性を分析し,因果的抽象を評価・学習するためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-07T19:10:28Z)
• Evaluation metrics for behaviour modeling [2.616915680939834]
  模倣学習を用いて学習した行動生成モデルの評価と比較のための指標を提案し,検討する。 これらの基準は、行動におけるより長い時間的関係を考察し、振る舞いが本質的に予測不可能な性質を持つ場合と関係し、モデルによって生成された行動の全体分布におけるバイアスを強調する。 提案手法は, 生物学者の行動に関する直観と一致し, モデルの評価, バイアスの理解, 新たな研究方向性の提案を可能にした。
  論文  参考訳（メタデータ） (2020-07-23T23:47:24Z)

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。