論文の概要: What Is a Clarification? Estimating Model-Dependent Input Ambiguity

• arxiv url: http://arxiv.org/abs/2610.20052v1
• Date: Wed, 14 Oct 2026 11:54:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.131197
• Title: What Is a Clarification? Estimating Model-Dependent Input Ambiguity
• Title（参考訳）: 明確化とは何か? モデル依存入力の曖昧さを推定する
• Abstract要約: 我々は、世界あいまいさを区別し、入力によって認識される全ての選択肢を、モデルあいまいさと区別し、応答するモデルにアクセスできるものをキャプチャする。 これらのデシラタは,有効解と等価解の等式の間の一対一対応を導出することを示す。 我々は,この対応を活用して,解答・解答サイクルに沿って整合性をチェックすることで,モデルで利用可能な解答の集合を推定するブラックボックス手法であるCircleclarを導入する。
• 参考スコア（独自算出の注目度）: 42.58142381855558
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ambiguous inputs can admit multiple interpretations, each potentially yielding a different answer. Existing work largely treats this ambiguity as a property of the input, yet for a particular language model, only some alternatives may be known and answerable. We therefore distinguish world ambiguity, capturing all alternatives admitted by an input, from model ambiguity, capturing those accessible to the responding model. To characterize these alternatives, we formalize natural-language clarifications through three desiderata: \emph{uniqueness}, \emph{faithfulness}, and \emph{answer equivalence}. We show that these desiderata induce a one-to-one correspondence between valid answers and equivalence classes of clarifications, implying that any interpretation can be represented either by its answer or by the clarifications that uniquely express it. We leverage this correspondence to introduce \circleclar{}, a black-box method that estimates the set of answers available to a model by checking consistency along an answer--clarification--answer cycle. Across open-domain QA and executable Text-to-SQL, \circleclar{} achieves strong recovery of these answer sets. In QA, the recovered support yields the strongest overall performance in model-dependent ambiguity detection and enables effective selection among answering, clarifying, and abstaining. Together, these results demonstrate the practical value of a model-dependent view of ambiguity and its characterization through an answer-clarification correspondence.
• Abstract（参考訳）: 曖昧な入力は複数の解釈を許容し、それぞれ異なる答えをもたらす可能性がある。 既存の作業は、この曖昧さを入力の特性として扱うが、特定の言語モデルでは、いくつかの選択肢のみが知られ、答えられる。 したがって、我々は世界あいまいさを区別し、入力によって認識される全ての代替品をモデルあいまいさと区別し、応答するモデルにアクセスできるものをキャプチャする。 これらの選択肢を特徴付けるために、3つのデシダラタ: \emph{uniqueness}, \emph{faithfulness}, \emph{answer equivalence} で自然言語の明確化を定式化する。 これらのデシダラタは、有効な解答と正解の同値類を1対1で対応させることを示し、任意の解釈が、その解答またはそれを一意に表現する解答によって表現できることを示唆する。 我々は,この対応を活用して,解答サイクルに沿って整合性をチェックすることで,モデルに利用可能な解の集合を推定するブラックボックス法である\circleclar{}を導入する。 オープンドメイン QA と実行可能な Text-to-SQL 全体で、 \circleclar{} はこれらの解集合の強い回復を達成する。 QAでは、復元されたサポートは、モデル依存のあいまいさ検出において最も優れた総合的なパフォーマンスをもたらし、回答、明確化、棄権の効果的な選択を可能にする。 これらの結果は, あいまいさのモデル依存的な視点の実践的価値と, 解答・明確化対応による特徴付けを示すものである。

関連論文リスト

• Implicit Reasoning Steering via Concept Chaining [29.121206944212556]
  自然言語のテキストを使って、明示的な指示やトリガー、直接回答の手がかりを使わずに、指定された回答に向けてモデルをバイアスする。 間接的な自然なテキストは、直接のパラフレーズよりも推論がかなり少ないまま、体系的にモデル予測を操ることができることを示す。
  論文  参考訳（メタデータ） (2026-07-15T18:03:08Z)
• From ambiguous utterances to governed reuse classes: canonicalization, quotient invariance, and conditional decidability [0.0]
  再利用は、解決された会話要求の数学的に特徴付けられた商に対して行われるべきである。 リユースIDは、管理されたクエリキーとその認定された応答空間をライセンスする。 支持層は、正確に証明された強度で記述される。
  論文  参考訳（メタデータ） (2026-07-11T01:49:04Z)
• Reasoning About Intent for Ambiguous Requests [47.979705857002415]
  あいまいな要求に対して単一の構造化された応答で複数の解釈-問合せペアを生成することを提案する。 我々のモデルは、複数の有効な回答を監督として、強化学習とカスタマイズされた報酬関数で訓練されている。
  論文  参考訳（メタデータ） (2025-11-13T16:18:45Z)
• Variability Need Not Imply Error: The Case of Adequate but Semantically Distinct Responses [7.581259361859477]
  不確実性定量化ツールは、モデルが不確実である場合の応答を拒否するために使用できます。 我々は、モデルがAdequate Responses (PROBAR)に割り当てる確率を推定する。 ProBARはアンビグニティ/オープンエンディエントネスの異なるプロンプトでセマンティックエントロピーを上回ります。
  論文  参考訳（メタデータ） (2024-12-20T09:02:26Z)
• Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
  そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。 我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。 インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
  論文  参考訳（メタデータ） (2023-11-16T00:18:50Z)
• Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
  オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。 ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。 本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
  論文  参考訳（メタデータ） (2023-07-08T04:32:17Z)
• Double Retrieval and Ranking for Accurate Question Answering [120.69820139008138]
  本研究では,トランスフォーマーを用いた解答選択モデルに導入された解答検証ステップが,問合せ解答における解答の精度を大幅に向上させることを示す。 AS2のためのよく知られた3つのデータセットの結果は、最先端の一貫性と大幅な改善を示している。
  論文  参考訳（メタデータ） (2022-01-16T06:20:07Z)
• Generative Context Pair Selection for Multi-hop Question Answering [60.74354009152721]
  マルチホップ質問応答のための生成コンテキスト選択モデルを提案する。 提案した生成経路選択モデルは,対向保留集合上でのより良い性能(ベースラインより4.9%高い)を有する。
  論文  参考訳（メタデータ） (2021-04-18T07:00:48Z)

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。