論文の概要: Query Feedback and Teaching for Stable and Certifiable Language Generation

• arxiv url: http://arxiv.org/abs/2610.28918v1
• Date: Tue, 20 Oct 2026 20:53:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.144646
• Title: Query Feedback and Teaching for Stable and Certifiable Language Generation
• Title（参考訳）: 安定かつ認証可能な言語生成のためのクエリフィードバックと教育
• Abstract要約: より厳格な成功基準である正当性、安定性、正当性という3つの条件の下で、世代のための教示次元の階層を導入する。 我々は,問合せフィードバックの有無に関わらず,安定かつ証明可能な生成を特徴付けるとともに,その限界における均一な生成と識別との関係を確立する。
• 参考スコア（独自算出の注目度）: 12.309015647407564
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language generation in the limit studies whether a learner observing an enumeration of an unknown target language can eventually generate only valid, previously unseen elements. We study stability, introduced by Kalavasis, Mehrotra, and Velegkas (2025), which requires the generator's infinite output set to eventually remain unchanged, and introduce the stronger notion of certifiability, which requires the generator to determine from its observations that its current output is valid. Drawing on teaching sets in learning theory, we introduce a hierarchy of teaching dimensions for generation under three increasingly strict success criteria: correctness, stability, and certifiability. These dimensions measure the minimum number of selected examples whose appearance guarantees the corresponding success condition. We also study stability and certifiability in the membership-query model of Charikar and Pabbaraju (2025). We characterize stable and certifiable generation, both with and without query feedback, and establish their relationships with uniform generation and identification in the limit. In particular, we give a finite-witness characterization of stable generation, analogous to Angluin's tell-tale characterization of identification, resolving a gap left open by Kalavasis, Mehrotra, and Velegkas (2025). We further compare these generation notions with identification in the limit and contrast their teaching requirements on well-studied language families, including regular and erasing pattern languages.
• Abstract（参考訳）: 言語生成は、未知のターゲット言語の列挙を観察する学習者が最終的に有効な要素のみを生成できるかどうかを限定的に研究する。 Kalavasis, Mehrotra, Velegkas (2025) が導入した安定性について検討し, 生成体の無限出力セットが最終的に変化し続けることを要求し, 現在の出力が有効であることを示す観測結果から, 生成体の正当性(certifiability)の強い概念を導入する。 学習理論における授業セットに基づいて、我々は、より厳格な成功基準である正当性、安定性、正当性という3つの条件の下で、世代のための教示次元の階層を導入する。 これらの次元は、外観が対応する成功条件を保証する選択されたサンプルの最小数を測定する。 また,Charikar と Pabbaraju (2025) のメンバシップ・クエリーモデルにおける安定性と正当性についても検討した。 我々は,問合せフィードバックの有無に関わらず,安定かつ証明可能な生成を特徴付けるとともに,その限界における均一な生成と識別との関係を確立する。 特に、安定な生成の有限知性的特徴を与えるが、これはアングルンの識別の絶対的特徴に類似しており、カラヴァアシス、メロトラ、ヴェレグカス(英語版)(2025年)によって残されたギャップを解消する。 さらに、これらの世代概念と、その限界における識別とを比較し、規則言語や消去パターン言語を含む、よく研究された言語族での教育要件を対比する。

関連論文リスト

• On the Limitations of Cross-Lingual Consistency in Multilingual Text-to-image Generation [79.18001266925245]
  LingT2Iは、33Kプロンプトを持つ10の広く使われている言語をカバーするベンチマークである。 我々は、言語不平等と言語依存のトレードオフを明らかにする包括的な言語間分析を行う。
  論文  参考訳（メタデータ） (2026-08-11T14:49:23Z)
• Generating in the Limit with Infinitely Many Hallucinations [86.48063079851867]
  最近導入された言語生成のフレームワークは、学習者がターゲット言語から有効で見えない文字列を生成する必要がある。 我々は、新しい精度の概念を導入し、この問題を古典的なリコール精度トレードオフとして再考する。 この緩和は、敵が標的言語の大部分を永久に保持すると、リコールを厳密に増加させる可能性があることを示す。
  論文  参考訳（メタデータ） (2026-06-08T09:58:13Z)
• Language Generation: Complexity Barriers and Implications for Learning [51.449718747429756]
  単純でよく研究された言語ファミリであっても、成功した生成に必要なサンプルの数は極端に多いことが示される。 これらの結果は、理論的可能性と効率的な学習可能性の間に大きなギャップがあることを明らかにする。
  論文  参考訳（メタデータ） (2025-11-07T23:06:48Z)
• Language Generation in the Limit: Noise, Loss, and Feedback [10.280148603465697]
  一様生成可能なコレクションの有限和が極限において生成可能であることを示し、非一様生成に対して同じことが真であるかどうかを問う。 均一および非一様生成に対するこれらのモデルの等価性を示し、非一様雑音発生のキャラクタリゼーションを提供する。
  論文  参考訳（メタデータ） (2025-07-21T07:18:04Z)
• On Union-Closedness of Language Generation [48.36356615217017]
  Kleinberg と Mullainathan によるモデルで,Li,Raman,Tewari によって拡張された言語生成について検討する。 我々の結果は、生成可能なクラスや不均一に生成可能なクラスの有限和を証明することによって、Li と al. の2つの開問題を解決する。 提案手法は,言語生成の進展領域に独立した関心を持つ可能性のある,新たな対角化の議論とともに,注意深く構築されたクラスを利用する。
  論文  参考訳（メタデータ） (2025-06-23T13:42:25Z)
• On Characterizations for Language Generation: Interplay of Hallucinations, Breadth, and Stability [16.30681257128492]
  [KM24] は、その極限における任意の可算言語コレクションから生成するアルゴリズムである。 近年の研究では、広さの異なる概念を導入し、広さの世代が可能であるかを探求している。 以上の結果から,安定性が要求される場合には,多くの既存概念による生成が等しく困難になることが示唆された。
  論文  参考訳（メタデータ） (2024-12-24T16:24:43Z)
• Generation through the lens of learning theory [18.355039522639565]
  統計的学習理論のレンズを通して生成を研究する。 我々は「一様」および「非一様」生成と呼び、どの仮説類が一様かつ一様でない生成可能かを特徴づける。
  論文  参考訳（メタデータ） (2024-10-17T16:14:49Z)
• Unlocking Anticipatory Text Generation: A Constrained Approach for Large Language Models Decoding [75.06872859716049]
  大規模言語モデル(LLM)は、テキスト生成の強力な能力を示している。 毒性や幻覚などの望ましくない行動が現れることがある。 将来制約付き生成問題としてテキスト生成の形式化を提案する。
  論文  参考訳（メタデータ） (2023-12-11T06:35:33Z)
• Language learnability in the limit for general metrics: a Gold-Angluin result [91.3755431537592]
  我々は、blum and blum (1975) によるniyogi の拡張版の定理を用いて、任意の計量における任意の言語族の極限における学習可能性に必要な条件を証明している。 言語ファミリーがさらにすべての有限言語を含むと仮定すると、同じ条件は限界における学習可能性にも十分になる。
  論文  参考訳（メタデータ） (2021-03-24T13:11:09Z)

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。