論文の概要: MYOPIA: Understanding the Limits of Tree-Based Reasoning in Vision-Language Models

• arxiv url: http://arxiv.org/abs/2610.21573v1
• Date: Thu, 15 Oct 2026 09:25:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.017783
• Title: MYOPIA: Understanding the Limits of Tree-Based Reasoning in Vision-Language Models
• Title（参考訳）: MYOPIA:視覚言語モデルにおける木に基づく推論の限界を理解する
• Abstract要約: 決定木は、単一の予測をルート・ツー・リーフの質問列に置き換えることで、視覚言語モデル(VLM)の分類を解釈できる。 GTSRB, MNIST, CIFAR-10, MSCOCOの4つのLCM生成決定木からなるベンチマークである textbfMYOPIA を導入する。
• 参考スコア（独自算出の注目度）: 1.0384765905185656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision trees can make vision-language model (VLM) classification interpretable by replacing a single prediction with a sequence of root-to-leaf questions. However, the accuracy cost of this greedy, non-backtracking procedure remains unclear. We introduce \textbf{MYOPIA}, a benchmark comprising four LLM-generated, human-refined decision trees for GTSRB, MNIST, CIFAR-10, and MSCOCO, together with matched prompts, diagnostic protocols, and an evaluation harness. Across GPT-4o, Qwen-VL Max, and LLaMA-3.2 11B Vision, tree traversal underperforms zero-shot prompting in all 12 dataset--model pairs; paired bootstrap analyses consistently favor zero-shot. Our diagnostics characterize interacting failure modes associated with this gap. Models often recall tree-encoded class attributes more accurately than they ground the same attributes in images: the mean label--image accuracy gaps are 9.5, 13.8, and 12.6 points for GPT-4o, Qwen-VL Max, and LLaMA, respectively. Incorrect local decisions then irreversibly exclude the correct class, while answer extraction introduces additional model-dependent loss. A node-level audit of the four trees finds that split entropy is weakly but consistently associated with lower node accuracy, whereas depth, branching factor, and within-node grounding differences are less stable. \textbf{MYOPIA} therefore provides a framework for diagnosing hierarchical visual classification and motivates testing tree designs that prioritize perceptual answerability and recovery from early errors. Code is available at https://github.com/islammesabah/VLM_Classification.
• Abstract（参考訳）: 決定木は、単一の予測をルート・ツー・リーフの質問列に置き換えることで、視覚言語モデル(VLM)の分類を解釈できる。 しかし、この強欲で非追跡手順の精度は未だに不明である。 GTSRB, MNIST, CIFAR-10, MSCOCO の4つの LLM 生成決定木と, 一致したプロンプト, 診断プロトコル, 評価ハーネスからなるベンチマークである \textbf{MYOPIA} を紹介する。 GPT-4o、Qwen-VL Max、LLaMA-3.2 11B Visionでは、ツリートラバーサルは12のデータセット-モデルペアすべてにおいてゼロショットのプロンプトを過小評価している。 我々の診断は、このギャップに関連する相互作用する障害モードを特徴付ける。 GPT-4o、Qwen-VL Max、LLaMAの平均ラベル画像精度ギャップは9.5、13.8、12.6ポイントである。 不正確な局所決定は、正しいクラスを不可逆的に除外し、解答抽出は追加のモデル依存損失をもたらす。 4本の木のノードレベルの監査では、分割エントロピーは弱いが、低いノードの精度と一貫して関連しているのに対し、深さ、分岐係数、およびノード内接地差はより安定していない。 したがって、textbf{MYOPIA} は階層的な視覚分類を診断するためのフレームワークを提供し、早期エラーからの知覚的応答性と回復を優先するツリー設計をテストする動機付けを提供する。 コードはhttps://github.com/islammesabah/VLM_Classification.comで公開されている。

関連論文リスト

• ReDiS: Reasoning-Diagnosis Self-Evolution for Multimodal Reasoning in Remote Sensing [53.65780048695954]
  我々は、推論探索と候補評価を分離するフレームワークである textbfReasoning-Diagnosis-Self-Evolution (ReDiS) を導入する。 多様な視覚的証拠を探索するtextbfReasoner と、完全な候補セットを共同で評価する textbfDiagnoser である。 LHRS-Bench, MME-RS, CHOICEの実験では、Qwen3.5バックボーンを0.8B, 2B, 4Bスケールで一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-10-13T13:38:02Z)
• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data [19.182280292507844]
  CRAFTは、あらゆるルーブリックに基づく評価データセットを、弱い能力のモデル固有の診断に変換する方法である。 各プロンプトルーリックペアから機能記述を抽出し、各ノードでターゲットモデルをスコアし、ツリーレベルの低パフォーマンスノードを動的に選択する。 温度復号を繰り返して4モデルすべてに対して最強のファイナンスドメイン平均を達成する。
  論文  参考訳（メタデータ） (2026-07-17T17:00:38Z)
• Simultaneous Latent Budget Trees for Stratified Classification [0.11744028458220425]
  本稿では,分類木のための確率的機械学習フレームワークである同時潜在予算木について紹介する。 モデルに基づく分割規則では、子ノードを同時混合モデルの潜在成分として解釈する。 本手法は筋萎縮性側索硬化症の疾患進行における性差について検討する。
  論文  参考訳（メタデータ） (2026-06-11T12:48:30Z)
• From Early Encoding to Late Suppression: Interpreting LLMs on Character Counting Tasks [49.57538588967748]
  LLM(Large Language Model)は、複雑なベンチマークでは優れているにもかかわらず、単語中の文字数などの基本的な記号的タスクにおいて失敗を示す。 我々は、LLaMA、Qwen、Gemmaなど、現代のアーキテクチャにまたがる一貫した現象を発見した。 LLMにおけるシンボリック推論失敗は,表現不足やスケール不足によるものではなく,モデル計算グラフ内の構造的干渉によるものであることを示す。
  論文  参考訳（メタデータ） (2026-04-01T11:40:12Z)
• Ensembling LLM-Induced Decision Trees for Explainable and Robust Error Detection [24.742137117129502]
  エラー検出はデータ品質の確保に重要である。 近年の最先端ED法では,大規模言語モデル(LLM)に組み込まれた事前学習された知識と意味的能力を利用して,細胞が誤っているかを直接ラベル付けしている。 ED(termed TreeED)の決定木を誘導するLLM-as-an-inducerフレームワークを提案し,さらにコンセンサス検出(termed ForestED)のために複数の木をアンサンブルする。 我々の手法は正確で説明可能で堅牢であり、最高のベースラインに対して平均16.1%のF1スコア改善を実現している。
  論文  参考訳（メタデータ） (2025-12-08T07:40:48Z)
• Probabilistic Tree-of-thought Reasoning for Answering Knowledge-intensive Complex Questions [93.40614719648386]
  大規模言語モデル(LLM)は、知識集約的な複雑な質問にチェーン・オブ・シント(CoT)推論で答えることができる。 最近の研究は、CoT推論を強化するための外部知識の回収に向けられている。 確率的ツリー・オブ・シント推論(ProbTree)という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-23T12:52:37Z)
• Active-LATHE: An Active Learning Algorithm for Boosting the Error Exponent for Learning Homogeneous Ising Trees [75.93186954061943]
  我々は、$rho$が少なくとも0.8$である場合に、エラー指数を少なくとも40%向上させるアルゴリズムを設計し、分析する。 我々の分析は、グラフの一部により多くのデータを割り当てるために、微小だが検出可能なサンプルの統計的変動を巧みに活用することに基づいている。
  論文  参考訳（メタデータ） (2021-10-27T10:45:21Z)
• Data-driven advice for interpreting local and global model predictions in bioinformatics problems [17.685881417954782]
  条件付き特徴コントリビューション(CFC)は、予測のテキストローカルでケースバイケースの説明を提供する。 両手法で計算した説明を, 公開されている164の分類問題に対して比較した。 ランダム林では,地域とグローバルのSHAP値とCFCスコアの相関関係が極めて高い。
  論文  参考訳（メタデータ） (2021-08-13T12:41:39Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。