論文の概要: Communication, Vocalisation, and Language

• arxiv url: http://arxiv.org/abs/2610.16490v1
• Date: Mon, 12 Oct 2026 09:43:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 22:55:43.446165
• Title: Communication, Vocalisation, and Language
• Title（参考訳）: コミュニケーション, ボカライゼーション, 言語
• Abstract要約: 結論として、現在のLarge Language Modelsのバッチは*理解する*言語ではなく、*理解する*ということです。 ある種の分散表現」のシンボルを形成するのではなく、LLMが文化知能のシンボルを捉え、社会学者が「実践」と呼ぶものを根拠にしている、という主張である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The contention is that the current batch of Large Language Models don't *understand* language, but they *do* it. Rather than LLMs forming some kind of ``distributed representation'' of symbols, the claim is that LLMs are capturing ``Cultural Intelligence'' and grounding symbols in what the sociologists call practices.
• Abstract（参考訳）: 結論として、現在のLarge Language Modelsのバッチは*理解する*言語ではなく、*理解する*ということです。 LLMがシンボルのある種の「分散表現」を形成するのではなく、LCMは「文化知性」を捉え、社会学者が「実践」と呼ぶシンボルを根拠にしている、という主張である。

関連論文リスト

• On the Semantics of Large Language Models [0.0]
  大規模言語モデル(LLM)は、技術を通して人間の言語能力を再現する可能性を実証した。 これらのシステムが言語をどの程度理解しているかについては議論の余地がある。 質問を単語と文のレベルで LLM の意味論に絞り込むことで,この問題を考察する。
  論文  参考訳（メタデータ） (2025-07-07T20:02:57Z)
• On the Thinking-Language Modeling Gap in Large Language Models [68.83670974539108]
  言語と思考のモデリングには大きなギャップがあることが示される。 本稿では,このギャップを実証し緩和するために,Language-of-Thoughts (LoT) と呼ばれる新しいプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2025-05-19T09:31:52Z)
• Intermediate Languages Matter: Formal Choice Drives Neurosymbolic LLM Reasoning [50.99811144731619]
  形式言語の選択は構文的および意味論的推論能力の両方に影響を及ぼすことを示す。 平均的な文脈認識エンコーディングはLCMの推論に役立つが、コメントやマークダウン構文を使うことによる明らかな影響はない、と結論付けている。
  論文  参考訳（メタデータ） (2025-02-24T14:49:52Z)
• Reinterpreting 'the Company a Word Keeps': Towards Explainable and Ontologically Grounded Language Models [0.0]
  我々は,大言語モデル(LLM)の相対的な成功は,記号的対準記号的議論の反映ではないと主張している。 我々は,LLMで採用されたのと同じボトムアップ戦略を,シンボリック・セッティングで採用することを提案する。
  論文  参考訳（メタデータ） (2024-06-06T20:38:35Z)
• How Proficient Are Large Language Models in Formal Languages? An In-Depth Insight for Knowledge Base Question Answering [52.86931192259096]
  知識ベース質問回答(KBQA)は,知識ベースにおける事実に基づいた自然言語質問への回答を目的としている。 最近の研究は、論理形式生成のための大規模言語モデル(LLM)の機能を活用して性能を向上させる。
  論文  参考訳（メタデータ） (2024-01-11T09:27:50Z)
• AlignedCoT: Prompting Large Language Models via Native-Speaking Demonstrations [52.43593893122206]
  Alignedcotは、大規模言語モデルを呼び出すためのコンテキスト内学習技術である。 ゼロショットシナリオでは、一貫した正しいステップワイズプロンプトを達成する。 数学的推論とコモンセンス推論の実験を行う。
  論文  参考訳（メタデータ） (2023-11-22T17:24:21Z)
• Stochastic LLMs do not Understand Language: Towards Symbolic, Explainable and Ontologically Based LLMs [0.0]
  データ駆動型大規模言語モデル(LLM)の相対的な成功は象徴的対準記号的議論の反映ではないと我々は主張する。 本稿では,記号的,説明可能な,存在論的に基礎を成す言語モデルに,効果的なボトムアップ戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2023-09-12T02:14:05Z)

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。