論文の概要: From Target Selection to Condition Reuse: Auditing Residual Interventions in Tool-Use Models

• arxiv url: http://arxiv.org/abs/2610.31686v1
• Date: Mon, 05 Oct 2026 11:46:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:06:26.115747
• Title: From Target Selection to Condition Reuse: Auditing Residual Interventions in Tool-Use Models
• Title（参考訳）: 目標選択から条件再利用へ:ツールユースモデルにおける残留介入の検証
• Abstract要約: アクティベーションの介入は、言語モデルが対象とする回答を生成することができるが、他の計算で意図した条件を使うことができるか? 本稿では,Qwen3.5-27Bにおいて,時間や許可が適性や選択を決定するツール利用タスクについて検討する。
• 参考スコア（独自算出の注目度）: 1.0971997884861282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Activation interventions can make a language model produce a target answer, but can the model use the intended condition in other computations? We study this question in Qwen3.5-27B on tool-use tasks where time or permissions determine eligibility and selection. Across 32 fresh worlds, two case-specific residual-writing variants raise familiar target-selection correctness from 35/128 to 119/128 and from 33/128 to 114/128. Yet these gains disappear when familiar facts and identifiers are recombined within the same selection task, while selection of previously rewarded identifiers increases. The gains persist across output formats but yield little improvement in independent judgments about whether a candidate is eligible or should be selected. Internal edits can nevertheless change how a source fact affects a judgment: in a prespecified secondary comparison, an early-layer source patch changes 50/64 judgments when that source is used, with one adverse change among 64 cases where it is not. This selective effect does not ensure correct complete actions. Together, these results separate target-selection control, condition-sensitive judgments, and complete-action correctness. Evaluating how an edited state is used, rather than only its trained answer, exposes these differences.
• Abstract（参考訳）: アクティベーションの介入は、言語モデルが対象とする回答を生成することができるが、他の計算で意図した条件を使うことができるか? 本稿では,Qwen3.5-27Bにおいて,時間や許可が適性や選択を決定するツール利用タスクについて検討する。 32の新たな世界において、2つのケース固有の残留書記変種は、35/128から119/128へ、33/128から114/128へ、慣れ親しんだターゲット選択の正しさを高める。 しかし、慣れ親しんだ事実や識別子が同じ選択タスクで組み換えられると、これらの利得は消える。 利得は出力形式全体にわたって持続するが、候補者が適当か選択すべきかという独立した判断は、ほとんど改善されない。 内部編集は、ソース事実が判断にどう影響するかを変更できるが、事前に特定された二次比較では、早期階層のソースパッチは、ソースが使用される際に50/64の判定を変更でき、そうでない64のケースでは1つの悪い変更がある。 この選択効果は正しい完全な作用を保証しない。 これらの結果は, 目標選択制御, 条件感受性判定, 完全行動正当性を分離した。 トレーニングされた回答だけでなく、編集された状態がどのように使用されるかを評価することで、これらの違いが明らかになる。

関連論文リスト

• Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
  言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。 しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。 本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
  論文  参考訳（メタデータ） (2026-10-13T16:19:49Z)
• From Spectral Saliency to Finite Deletion: Evaluating Selective Language Model Edits [1.2891210250935148]
  特異コンポーネントの削除は、言語モデルから機能を取り除くための正確な方法を提供するが、コンポーネントのランク付けに使用される1階のスペクトルサリエンシは、局所的な損失変化のみを予測する。 本研究では,予測誤差が選択的編集にどう影響するかを検討した。
  論文  参考訳（メタデータ） (2026-10-13T10:14:37Z)
• Input-Blind Controls Produce Substantial Oracle Headroom for Layer Programs in Multiple-Choice Evaluation [2.7962583061246327]
  本研究は,2つのモデルと4,413個のマルチチョイス項目において,32個のレイヤー・スキッピングと繰り返しプログラムを用いて区別を行った。 オプションの共有順序では、Qwen3-4BベースとLlama-3.1-8Bで10.2-11.8と15.6-19.4のヘッドルームが与えられる。
  論文  参考訳（メタデータ） (2026-10-07T16:35:40Z)
• Persona Following Is Not Selective Control: The Neutrality Gap in LLM User Simulation [62.68603541512519]
  大規模言語モデルにおける選択制御の体系的失敗を同定する。 ターゲット属性を変更することで、特定されていない非ターゲット属性に対する応答もシフトする。 非ターゲット属性を未特定のまま残したり、指向性や中立性を宣言する3状態診断を運用する。
  論文  参考訳（メタデータ） (2026-09-28T12:34:21Z)
• JevOut: Natural Context Can Flip Decision Models [3.2875856796061513]
  コンテキストに自然に適合する短い追加は、そうでなければ正しい決定をリダイレクトできることに気付きました。 これらの結果は、現在の決定モデルにおける明らかな脆弱性を明らかにします。
  論文  参考訳（メタデータ） (2026-09-24T17:57:07Z)
• Likelihood Ranking doesn't Scale Like Prompting in LLMs [91.56564968539271]
  多重選択QAでは、質問セットと回答セットに標準確率ベースのスコアがまだ条件付けられている。 我々は,同じ質問対から構築された宣言文の確率ランキングに基づく補完的プロトコルについて検討する。
  論文  参考訳（メタデータ） (2026-09-24T11:16:53Z)
• Same Scores, Different Decisions: Evaluating JEV and Language Models for Legal Document Understanding [65.85599131866623]
  私たちはJevとContractNLIの9つの言語モデルを比較します。 制御された比較は、仮説の可視性、要求された出力、および出力順序によって異なる。 Jevは、評価された構成の中で、最低コストと中央値のレスポンス時間を持っています。
  論文  参考訳（メタデータ） (2026-09-23T10:53:01Z)
• Separating Decision-Rule Misalignment from Readout-Coverage Limitations in Speech Language Models [0.3142999832608949]
  出力された応答,オプションロジット,それらのロジットのアフィン読み出し,および同じ応答トークンにおける隠蔽状態の線形読み出しを比較する。 状態復号は平均27.8の精度で生成され、判定ルールと読み出しカバーギャップは10条件すべてで正である。
  論文  参考訳（メタデータ） (2026-08-03T17:34:33Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)

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。