論文の概要: PsyJev: Psychological Analysis via System-1 Judgment

• arxiv url: http://arxiv.org/abs/2610.36689v1
• Date: Tue, 27 Oct 2026 06:03:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.236931
• Title: PsyJev: Psychological Analysis via System-1 Judgment
• Title（参考訳）: PsyJev: System-1の判断による心理学的分析
• Abstract要約: Web上での自己開示は、表現された経験の認識から症状関連情報の識別まで、多様な心理学的分析を支援する。 PsyJudgeBenchは6つの心理的領域に13の注釈付きデータセットと82の質問からなる。 PsyJevは,要求毎に指定された回答の分布を直接生成するシステム1モデルである。
• 参考スコア（独自算出の注目度）: 45.29267139218238
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-disclosures on the Web support diverse psychological analyses, from recognizing expressed experiences to identifying symptom-relevant information. We study a shared, question-conditioned decision interface for this heterogeneous problem in content analysis. We organize PsyJudgeBench, comprising 13 annotated datasets and 82 questions across six psychological areas, while preserving source-specific criteria and masks for unobserved labels. We introduce PsyJev, a System-1 model that directly produces distributions over answers specified in each request. Joint supervised training establishes the shared judgment function, followed by Judgment-Anchored RLCD (JA-RLCD), which adapts logit-space reward optimization to heterogeneous psychological judgments through balanced supervision, selective retention of correct SFT predictions, and question-group reward optimization. The Qwen3.5-based 2B, 4B, and 9B models achieve 64.33, 66.21, and 67.56 average test F1, respectively. The 9B model exceeds the strongest external comparison by 2.54 points. Controlled 2B comparisons examine the training stages and anchored refinement. Further analyses examine question-conditioned judgment, inference cost, and probability quality, complemented by qualitative comparisons across models.
• Abstract（参考訳）: Web上での自己開示は、表現された経験の認識から症状関連情報の識別まで、多様な心理学的分析を支援する。 コンテンツ分析におけるこの異種問題に対する共有質問条件決定インタフェースについて検討する。 PsyJudgeBenchは、6つの心理学領域に13の注釈付きデータセットと82の質問から構成され、未観測ラベルのソース特定基準とマスクが保存されている。 PsyJevは,要求毎に指定された回答の分布を直接生成するシステム1モデルである。 共同指導訓練は、共有判定機能を確立し、続いてJA-RLCD(Judgment-Anchored RLCD)は、バランスの取れた監督、正しいSFT予測の選択的保持、質問グループ報酬最適化を通じて、不均一な心理的判断にロジット空間報酬最適化を適用する。 Qwen3.5ベースの2B、4B、9Bモデルはそれぞれ64.33、66.21、67.56の平均テストF1を達成している。 9Bモデルは最強の外部比較を2.54ポイント上回る。 制御された2B比較は、訓練段階と固定された洗練度を調べる。 さらに、モデル間の質的比較により、質問条件付き判断、推論コスト、確率品質について検討する。

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)
• SpatialChain: A Benchmark for Auditing Spatial Reasoning Faithfulness in VLMs [32.72182829728677]
  思考可能な視覚言語モデル(VLM)は、空間的ベンチマークにおいてずっと高い精度を報告している。 しかし、最終回答スコアは、正しい予測が忠実な空間的推論や言語的ショートカットを反映しているかを明らかにすることはできない。 28350のトレーニングデータセットであるSpatialChainと、空間指向のGQA質問と、シーングラフに基づく推論チェーンをペアにした899のテスト例を紹介する。
  論文  参考訳（メタデータ） (2026-10-05T14:29:54Z)
• Small Foundation Models of Human Cognition and Behaviour [45.88028371034407]
  135Mから14Bパラメータの14モデルを、Psych-101の4つのアーキテクチャファミリでトレーニングしています。 Psych-101は160の実験から1070万の試行レベルの選択のデータセットである。 認知的に微調整された小さなモデルは、心理的実験のためのノイズ天井推定器として有望であることを示す。
  論文  参考訳（メタデータ） (2026-08-05T11:34:20Z)
• Aligning LLM-Simulated and Human Examinees for Psychometric Calibration: A Cognitive Diagnostic Profiling Approach [2.2292507801284356]
  大規模言語モデル(LLM)シミュレーション試験は早期校正への有望な経路を提供するが、その応答は正確すぎて不均一すぎる。 多様な認知プロファイルを持つ可視性検査のシミュレーションをLCMに促すフレームワークである認知診断プロファイル(CDP)を提案する。
  論文  参考訳（メタデータ） (2026-07-28T22:33:16Z)
• Preserving Disagreement: Architectural Heterogeneity and Coherence Validation in Multi-Agent Policy Simulation [0.0]
  政策シミュレーションにおいて,大規模言語モデル(LLM)を用いたマルチエージェント検討システムの提案が進んでいる。 評価エージェントは、割り当てられた値の観点に関わらず、同じ選択肢に収束する。 我々は、三段階の審議フレームワークであるAI Councilを提示し、2つの介入をテストするための2つの政策シナリオにわたる120の審議を行う。
  論文  参考訳（メタデータ） (2026-04-29T11:47:28Z)
• Selective Mixup for Debiasing Question Selection in Computerized Adaptive Testing [50.805231979748434]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、オンライン教育プラットフォームにおける学習者の習熟度を評価する技術である。 選択バイアスは、質問選択が推定された熟練度に強く影響されるため生じる。 本稿では,Cross-Attribute Examinee RetrievalとSelective Mixup-based Regularizationの2つの主要なモジュールからなるデバイアス化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-19T08:55:01Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)

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。