論文の概要: Structural and Representational Agency in LLM-Driven Timbre Generation and Interpolation
- arxiv url: http://arxiv.org/abs/2610.12532v1
- Date: Thu, 08 Oct 2026 12:37:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.217196
- Title: Structural and Representational Agency in LLM-Driven Timbre Generation and Interpolation
- Title（参考訳）: LLM駆動型音色発生・補間における構造的・表現的エージェンス
- Abstract要約: 生成的創造的インターフェースは、可能性空間内のユーザの位置を定期的に報告する。
ほとんどのクリエイティビティドメインは、そのような自己報告をチェックするための合意された測定基準を欠いている。
ユーザが原因となるものは、インターフェースが報告するものと分離可能であることを証明します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative creative interfaces routinely report the user's position within a space of possibilities. Such displays imply that the quantities shown were measured from the artefact; in a growing class of systems they are instead predicted by a language model describing its own output, and the two are indistinguishable on screen. Most creative domains lack an agreed measurement against which such a self-report can be checked; audio admits one. In a measurement study of a working LLM-driven timbre interface, what a user can cause proves separable from what the interface reports. The first is exactly characterisable: the reachable set is a zonotope whose dimension increases by one per sound placed, so the space the model may act within is demonstrably the user's own. The second is inaccurate. The displayed position differs from measurement by approximately three times the width of that region, and the error has two independent sources: model-predicted coordinates, whose accuracy varies twofold between the two models evaluated, and the interpolation step, which arises from combining synthesiser parameters and is unaffected by model quality. End to end, 26 of 36 refinement instructions produced no perceptible change, and under the weaker model the facility performed no action while reporting convergence. Effective agency (what a user can cause) and epistemic agency (whether they can know it) are therefore separable and independently engineered: structurally enforced constraints survive model failure, whereas guarantees resting on the model's own report do not. The failure mode that remains is silence presented as success. We close with a short protocol for building and auditing such displays.
- Abstract（参考訳）: 生成的創造的インターフェースは、可能性空間内のユーザの位置を定期的に報告する。
このような表示は、表示された量は人工物から測定されたことを意味しており、増大するシステムでは、それらが自身の出力を記述する言語モデルによって予測され、2つは画面上で区別できない。
ほとんどのクリエイティビティドメインは、そのような自己報告をチェックするための合意された測定基準を欠いている。
動作中のLDM駆動の音色インタフェースの測定において、ユーザが原因となるものは、インターフェースが報告するものと分離可能であることを証明できる。
到達可能な集合は1つの音の次元が1個ずつ増加するゾノトープであり、モデルが作用する空間は明らかにユーザ自身のものである。
2つ目は不正確である。
表示された位置は、その領域の約3倍の幅で測定することと異なり、誤差は2つの独立したソースを持つ: モデル予測座標は、評価された2つのモデル間で精度が2倍に変化する。
最終的に36の精細化命令のうち26は知覚的な変化を起こさず、弱いモデルの下ではコンバージェンスを報告しながら活動は行わなかった。
したがって、効果的なエージェンシー(ユーザが何を引き起こすか)と疫学エージェンシー(それがわかるかどうかに関わらず)は分離可能であり、独立して設計される。
残る障害モードは、成功として提示される沈黙です。
このようなディスプレイの構築と監査のための短いプロトコルを締めくくります。
関連論文リスト
- Identifying Introspection From the Inside [16.01909126147649]
我々は、制御された環境で忠実な自己申告の機械的シグネチャを識別する。
暗黙の意思決定タスクにおける微調整は、正確な自己報告の出現につながる可能性がある。
これらの構造的差異は、忠実なモデルと不信なモデルとを区別できるだろうか?
論文 参考訳（メタデータ） (2026-10-05T18:06:48Z) - Benchmarking Vision-Language Models on Synapse Detection and Proofreading in Connectomics [58.333975726458334]
我々は、電子顕微鏡画像のコネクトロミクスにおける検査において、アノテータが取る決定について、視覚言語モデル(VLM)をベンチマークした。
シナプス検出には, 様々なアーキテクチャ, サイズにまたがる19のオープンモデルと2つのクローズドモデルを評価した。
検証のために,ConnectomeBench2データセット上で3つのオープンモデルと2つのクローズドモデルを評価した。
論文 参考訳（メタデータ） (2026-09-29T01:48:42Z) - Calibrating Interpretability Instruments Before Trusting Their Verdicts [1.0829694003408499]
Causal氏は、大きな言語モデル(LLM)の内部は測定にかかっていると主張している。
これらの測定は、エラーではなく可算数を返す特定の診断可能な方法で失敗する。
このノートは、拒絶と道徳的表現に関する因果的解釈可能性プログラムの6つの失敗を文書化している。
論文 参考訳（メタデータ） (2026-09-13T19:37:02Z) - Mechanistic Tomography: Designed Measurement for Control-Oriented Interpretability [0.0]
機械的解釈可能性(Mechanistic interpretability)は、モデルが直接公開しない量を求める。
共有計測構造をメカニスティックトモグラフィーとして定式化する。
この言語は、最もコストのかかる測定から始まり、意図されたスケールでのホールドアウト介入をテストし、単純なミスマッチを校正し、測定ファミリを拡張するという、実用的な手順を提供する。
論文 参考訳（メタデータ） (2026-08-19T18:02:03Z) - A Universal Cliff and a Design Fingerprint: Cross-Section Defect Detection Under LLM Orchestration [0.0]
生産言語モデルシステムは、労働者エージェントの目に見えないオーケストレーションにまたがってそれを拡大する要求に答える。
これは、単一のワーカーが見ることができない欠陥のクラスに何をもたらすか尋ねる。
1人の開発者から5世代にわたる10のシステムと、異なるアライメントパラダイムからの5つのプロバイダのみです。
論文 参考訳（メタデータ） (2026-05-25T05:09:48Z) - Statistics, Not Scale: Modular Medical Dialogue with Bayesian Belief Engine [51.722324399751294]
大規模言語モデルは、自律的な診断エージェントとしてますますデプロイされているが、基本的に異なる2つの機能を説明する。
本稿では,言語と推論を厳格に分離するモジュール型診断対話フレームワークBMBEを紹介する。
論文 参考訳（メタデータ） (2026-04-21T21:59:57Z) - Silent Commitment Failure in Instruction-Tuned Language Models: Evidence of Governability Divergence Across Architectures [0.0]
我々は、モデルのエラーが出力コミット前に検出可能で、一度検出されると修正できる程度、統治性を導入します。
ベンチマーク精度は支配可能性を予測するものではなく、補正能力は検出と独立に異なり、同一のガバナンス足場はモデル間で逆の効果をもたらす。
本稿では,モデルとタスクの組み合わせをGovernable, Monitor Only, Steer Blind, Ungovernableの4つに分類する。
論文 参考訳（メタデータ） (2026-03-22T21:50:28Z) - Counterfactual Image Editing [54.21104691749547]
対物画像編集は、生成AIにおいて重要なタスクであり、ある機能が異なる場合、画像がどのように見えるかを尋ねる。
本稿では,形式言語を用いた対物画像編集タスクを形式化し,潜在生成因子と画像の因果関係をモデル化する。
ニューラル因果モデルを利用して、対物画像を生成する効率的なアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-02-07T20:55:39Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose
Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。
ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。
本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文 参考訳（メタデータ） (2022-03-29T07:14:58Z)
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。