論文の概要: Visible Reasoning Is Not a Universal Optimizer: Persona- and Thinking-Dependent Effects in Analytics Code Generation

• arxiv url: http://arxiv.org/abs/2610.10639v1
• Date: Wed, 07 Oct 2026 14:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.592323
• Title: Visible Reasoning Is Not a Universal Optimizer: Persona- and Thinking-Dependent Effects in Analytics Code Generation
• Title（参考訳）: Visible Reasoningはユニバーサル最適化ではない:分析コード生成におけるペルソナと思考依存の影響
• Abstract要約: 本研究では、ペルソナのフレーズ、ターゲット言語、可視CoTフォーマット、制御言語、直接生成、内部推論構成を横断するクエリについて検討する。 結果は、可視的CoTからの普遍的精度の利点や、推論表現と対象言語との整合性による一貫した利益のいずれかをサポートしていない。 これらのことから, モデル, ペルソナ, ターゲット, 内部推論設定に対して, 推論戦略を共同で選択すべきであることが示唆された。
• 参考スコア（独自算出の注目度）: 2.1440101336535133
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Visible Chain-of-Thought (CoT) is often treated as a broadly useful reasoning instruction, yet analytics code generation combines natural-language ambiguity, schema grounding, target-language constraints, and model-specific inference behavior. Because the same analytics request can be expressed in two distinct target languages-SQL and Python (pandas)-this setting provides a natural test of a common but under-examined assumption: that visible reasoning is more effective when its representation matches the requested target, as in "think in SQL" or "think in Python." Together with generic instructions such as "think step-by-step," such recommendations remain insufficiently evaluated under controlled, execution-based comparisons. We study a query matched SQL-pandas benchmark that crosses persona phrasing, target language, visible-CoT format, control prefixes, direct generation, and internal-reasoning configurations. The results do not support either a universal accuracy advantage from visible CoT or a consistent benefit from matching the reasoning representation to the target language. Instead, the effects depend on the persona, target, model configuration, and internal-reasoning setting. The control ablations further distinguish effects of reasoning content from those of prompt format. These findings indicate that reasoning strategies should be selected jointly for the model, persona, target, and internal-reasoning configuration rather than adopted as universal defaults. More broadly, the study provides a controlled framework for identifying when visible reasoning improves executable generation, when it primarily perturbs model behavior, and when the internal-reasoning configuration is the more consequential factor.
• Abstract（参考訳）: Visible Chain-of-Thought (CoT) はしばしば広く有用な推論命令として扱われるが、解析コード生成は自然言語の曖昧さ、スキーマのグラウンディング、ターゲット言語制約、モデル固有の推論動作を組み合わせたものである。 同じ分析要求を、SQLとPython(パンダ)という2つの異なるターゲット言語で表現できるため、この設定は、共通だが過小評価されていない仮定の自然なテストを提供する。 ステップバイステップ”のような一般的な指示とともに、このような勧告は、制御された実行ベースの比較では不十分に評価されている。 我々は、ペルソナフレーズ、ターゲット言語、可視CoTフォーマット、制御プレフィックス、直接生成、内部推論設定を横断するクエリマッチングSQL-pandasベンチマークについて検討する。 結果は、可視的CoTからの普遍的精度の利点や、推論表現と対象言語との整合性による一貫した利益のいずれかをサポートしていない。 その代わり、効果はペルソナ、ターゲット、モデル構成、内部推論の設定に依存する。 制御の短縮により、推論内容とプロンプトフォーマットの効果をさらに区別する。 これらの結果から, モデル, ペルソナ, ターゲット, 内部推論設定に対して, 共通デフォルトとしてではなく, 推論戦略を共同で選択すべきであることが示唆された。 より広範に、この研究は、可視的推論が実行可能生成を改善するとき、それが主にモデル動作を摂動する時、そして、内部共振構成がより連続的な要素であるときを特定するための制御されたフレームワークを提供する。

関連論文リスト

• Evaluating Language Models on Cross-Language Code Functional Equivalence [6.76025470599609]
  CPP、Java、Pythonで書かれたプログラムのデータセットであるPolyHumanを紹介します。 本データセットを用いて,オープンウェイトおよびプロプライエタリLLM間の言語内および言語間同値検出を評価する。 モデルが関数同値性を誤って判断する系統的不一致の81例を分析した。
  論文  参考訳（メタデータ） (2026-08-25T01:41:00Z)
• Is Code Better Than Language for Algorithmic Reasoning [58.86873062890482]
  ツール拡張言語モデルでは、中間表現と実行機構の両方を変えるため、自然言語推論とコード実行パイプラインを比較することは困難である。 モデルは、その推論を実行可能なコードとして表現し、言語モデルは、そのコードを文脈でシミュレートして、回答を生成する。 中間介入は自然言語の推論と有意に異なるものではない(+0.15pp)。
  論文  参考訳（メタデータ） (2026-06-14T04:17:21Z)
• TopBench: A Benchmark for Implicit Prediction and Reasoning over Tabular Question Answering [80.93487993878836]
  現実世界のクエリの一般的なクラスは暗黙的に予測され、単に検索するのではなく、歴史的パターンから観測されていない回答を推測する必要がある。 これらのクエリには、潜在意図を認識することと、大規模テーブル上での信頼性の高い予測推論という2つの課題がある。 単点予測から意思決定,処理効果分析,複雑な推論に至るまで,4つのサブタスクにわたる779のサンプルからなるベンチマークであるTopBenchを紹介する。
  論文  参考訳（メタデータ） (2026-04-30T16:22:51Z)
• Learning to Disentangle Latent Reasoning Rules with Language VAEs: A Systematic Study [37.52166353495979]
  本研究は,推論規則を言語モデル内に明示的に組み込んで記憶する方法について検討する。 本稿では,Transformer ベースの言語 VAE における推論規則を学習するための完全なパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-06-24T08:38:03Z)
• Rex-Thinker: Grounded Object Referring via Chain-of-Thought Reasoning [30.76576641002295]
  オブジェクト参照は、与えられた自然言語記述にマッチしたイメージ内のすべてのオブジェクトを検出することを目的としている。 我々は、頑健なオブジェクト参照モデルには基礎を置くべきだと論じ、その予測は視覚的内容に説明可能かつ忠実であるべきである。 本稿では、オブジェクトを明示的なCoT推論タスクとして参照するモデルであるRex-Thinkerを提案する。
  論文  参考訳（メタデータ） (2025-06-04T14:56:57Z)
• A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models [58.32070787537946]
  思考の連鎖(CoT)推論は、大きな言語モデルの性能を高める。 大規模視覚言語モデルにおけるCoT忠実度に関する最初の総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-05-29T18:55:05Z)
• Disambiguate First, Parse Later: Generating Interpretations for Ambiguity Resolution in Semantic Parsing [56.82807063333088]
  本稿では, 自然言語の解釈を論理形式にマッピングする前に, あいまいさを解消するモジュラー手法を提案する。 我々のアプローチは解釈のカバレッジを改善し、異なるアノテーションスタイル、データベース構造、あいまいさタイプを持つデータセットをまたいだ一般化を行う。
  論文  参考訳（メタデータ） (2025-02-25T18:42:26Z)

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。