論文の概要: Leaving, Staying, or Living There? Duration Commonsense Reasoning with Human-LLM Co-annotations

• arxiv url: http://arxiv.org/abs/2610.38755v1
• Date: Wed, 28 Oct 2026 19:35:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.001047
• Title: Leaving, Staying, or Living There? Duration Commonsense Reasoning with Human-LLM Co-annotations
• Title（参考訳）: 居留地, 居留地, 居住地 : 日中共通感覚と人間-LLM共同アノテーション
• Abstract要約: 視覚言語モデルがそのような持続時間コモンセンスを持つかどうかを検討する。 私たちは、最先端のモデルが持続時間推定に苦労していることに気付きました。 これらの知見は、文脈対応マルチモーダル理解における重要な課題を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 14.386003487157133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gardening in the backyard implies living there, while checking into an Airbnb more likely means staying for a few days. Such duration judgments are important for understanding human mobility, travel behavior, and social context. However, duration is rarely stated explicitly in social media posts and must instead be inferred from noisy textual, visual, and contextual cues. In this paper, we investigate whether vision-language models possess such duration commonsense. We create a new corpus of geotagged tweets co-annotated by humans and LLMs to serve as a testbed for this task. We find that state-of-the-art models struggle with duration inference, even when guided by multi-turn Chain-of-Thought prompting. Error analyses further reveal that models often fail to integrate critical contextual information, or they overly rely on prominent visual details while overlooking subtle hashtags and semantic nuances. These findings underscore the significant challenges remaining in context-aware multimodal understanding.
• Abstract（参考訳）: 裏庭のガーデニングはそこに住み、Airbnbをチェックインすることは数日滞在することを意味している。 このような期間判断は、人間の移動性、旅行行動、社会的文脈を理解する上で重要である。 しかし、期間はソーシャルメディアの投稿で明確に記述されることはめったになく、代わりに騒々しいテキスト、視覚的、文脈的な手がかりから推測されなければならない。 本稿では,視覚言語モデルがそのような持続時間コモンセンスを持つかどうかを考察する。 我々は、ジオタグ付きツイートのコーパスを人間とLLMが共同で作成し、このタスクのテストベッドとして機能させる。 マルチターンのチェーン・オブ・ソート(Chain-of-Thought)プロンプトによって導かれる場合であっても、最先端のモデルは持続時間推定に苦慮している。 誤り分析により、モデルが重要な文脈情報を統合するのに失敗することや、微妙なハッシュタグや意味的なニュアンスを見落としながら、目立った視覚的詳細を過度に頼っていることがさらに明らかになった。 これらの知見は、文脈対応マルチモーダル理解における重要な課題を浮き彫りにした。

関連論文リスト

• From Vision to Language: Investigating Causal Information Flow in Multimodal Decision-Making [45.85783584369188]
  視覚情報がどのように言語に基づく決定に寄与するかを考察する。 その結果,視覚情報は主に統合され,モデルが候補回答を処理していることがわかった。 時間的推論において、VLMはビデオフレーム間のシーケンシャルな情報再構成に苦慮していることを示す。
  論文  参考訳（メタデータ） (2026-09-04T13:52:27Z)
• HIVE: Understanding Post-Hallucination Reasoning in Vision Language Models [70.67112531913669]
  視覚言語モデルにおける幻覚は、一般的に意味的誤りとして扱われる。 それまでの研究は主に、世代ごとの幻覚の検出や抑制に重点を置いていた。 幻覚的意味論がモデルの推論コンテキストに入る段階である PHR (Post Hallucination Reasoning) について検討する。
  論文  参考訳（メタデータ） (2026-07-08T15:02:11Z)
• Contextualized Prompting For Stance Detection On Social Media [41.666445939998454]
  ソーシャルメディアでのスタンス検出は、短く、騒々しく、文脈に依存した言語のために困難である。 大規模言語モデルに文脈情報を組み込むことによる影響について検討する。 文脈情報の統合は,特定の条件下でのみ性能を向上させる。
  論文  参考訳（メタデータ） (2026-06-04T11:14:44Z)
• Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
  スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。 本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。 私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-11-03T18:43:48Z)
• Deep Temporal Reasoning in Video Language Models: A Cross-Linguistic Evaluation of Action Duration and Completion through Perfect Times [0.0]
  時間的推論に基づいてビデオ言語モデル(VLM)を評価するために設計された,4次的(英語,イタリア語,ロシア語,日本語)な質問応答ベンチマークである textbfPerfect Times データセットを紹介した。 実験結果から、現状のモデルは、テキストベースのタスクで成功したにも拘わらず、ビデオに根ざした時間的・因果的推論の反映に苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-06-01T09:45:41Z)
• Is A Picture Worth A Thousand Words? Delving Into Spatial Reasoning for Vision Language Models [37.44286562901589]
  本研究では,空間推論の多様な側面をカバーする新しいベンチマークであるSpatialEvalを提案する。 我々は、競合する言語と視覚言語モデルを総合的に評価する。 文献で見過ごされてきたいくつかの反直感的な洞察が明らかとなった。
  論文  参考訳（メタデータ） (2024-06-21T03:53:37Z)
• Weakly Supervised Temporal Adjacent Network for Language Grounding [96.09453060585497]
  本稿では,時間的言語接地のための新しい教師付き時間的隣接ネットワーク(WSTAN)を提案する。 WSTANは、複数のインスタンス学習(MIL)パラダイムにおいて、時間的隣接ネットワークを活用することで、モーダル間のセマンティックアライメントを学習する。 MILブランチと補完ブランチの両方で、自己監督による意味的識別を強化するために、追加の自己識別損失が考案された。
  論文  参考訳（メタデータ） (2021-06-30T15:42:08Z)
• Interpretable Time-series Representation Learning With Multi-Level Disentanglement [56.38489708031278]
  Disentangle Time Series (DTS)は、シーケンシャルデータのための新しいDisentanglement Enhanceingフレームワークである。 DTSは時系列の解釈可能な表現として階層的意味概念を生成する。 DTSは、セマンティック概念の解釈性が高く、下流アプリケーションで優れたパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-17T22:02:24Z)
• Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
  この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。 本手法は,時間的共通感覚の様々な次元の質予測を行う。 また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
  論文  参考訳（メタデータ） (2020-05-08T22:20:16Z)

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。