論文の概要: The Geometry of Simulated Perspectives: Dissociating Representation and Behaviour in a Multimodal Language Model

• arxiv url: http://arxiv.org/abs/2611.08262v1
• Date: Thu, 05 Nov 2026 16:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.579957
• Title: The Geometry of Simulated Perspectives: Dissociating Representation and Behaviour in a Multimodal Language Model
• Title（参考訳）: 模擬視点の幾何学:多モーダル言語モデルにおける表現と行動の解離
• Abstract要約: Qwen3-VL-8B-インストラクタにおけるペルソナ条件の視覚的面白さの表現幾何学について検討する。 我々は,処理深度にまたがる表現幾何学の体系的再構成を観察する。 厳密に言えば、プロンプトフレーミングはペルソナのアイデンティティよりも内部表現を強く評価する一方、ペルソナの内容は行動判断に大きな影響を及ぼす。
• 参考スコア（独自算出の注目度）: 2.9316801942271304
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multimodal language models can simulate different observers, yet it remains unclear how assigned perspectives reshape their internal representations and whether these changes govern their judgements. Here, we investigate the representational geometry of persona-conditioned visual interestingness in Qwen3-VL-8B-Instruct. Across 100 images and 53 prompting conditions, we systematically vary persona content and the linguistic framing used to introduce it, while recording behavioural ratings and layer-wise hidden states. We observe a systematic reorganisation of representational geometry across processing depth: early layers primarily encode image identity, whereas persona-specific structures emerge in later layers. Strikingly, prompt framing reshapes internal representations more strongly than persona identity, whereas persona content has a greater impact on behavioural judgements. This dissociation is further illustrated by minimal identity statements that alter representations even without changing responses. These findings demonstrate that representational distance does not necessarily reflect behavioural relevance. More broadly, they reveal how simulated perspectives emerge as distinct structures within the representational space of artificial cognitive systems, highlighting a fundamental distinction between the geometry of internal representations and their functional consequences.
• Abstract（参考訳）: マルチモーダル言語モデルは、異なるオブザーバーをシミュレートすることができるが、アサインされた視点が内部表現をどのように作り変え、それらの変化が彼らの判断を支配するかは、まだ不明である。 本稿では,Qwen3-VL-8B-Instructにおけるペルソナ条件の視覚的面白さの表現幾何学について検討する。 100枚以上の画像と53枚以上の条件下では,行動評価や階層的に隠蔽された状態を記録しながら,人格内容や言語的フレーミングを体系的に変化させる。 初期層は主に画像のアイデンティティを符号化するが、後期層ではペルソナ固有の構造が出現する。 厳密に言えば、プロンプトフレーミングはペルソナのアイデンティティよりも内部表現を強く評価する一方、ペルソナの内容は行動判断に大きな影響を及ぼす。 この解離は、応答を変えなくても表現を変更する最小のアイデンティティステートメントによってさらに説明される。 これらの結果から,表現距離は必ずしも行動関連性を反映していないことが示唆された。 より広義には、シミュレーションされた視点が、人工認知システムの表現空間内の異なる構造として出現し、内部表現の幾何学と機能的結果の根本的な区別を浮き彫りにする。

関連論文リスト

• Abstract representational geometry supports inference in large language models [9.40587716832914]
  大きな言語モデルの内部メカニズムはほとんど不透明であり、それらが同等の抽象表現を形成するか、あるいは同等の推論タスクを実行する際にタスク固有の統計規則に依存するかは不明である。 本報告では, LLMはヒトより頻度が低いが, その内部状態は海馬に類似した抽象的幾何学的構造を示す。
  論文  参考訳（メタデータ） (2026-06-22T13:50:34Z)
• Geometry of Human Perceptual Domains Emerges Transiently in LLM Representations [1.503974529275767]
  本研究では,オープンウェイトトランスアーキテクチャの残流における知覚的モダリティに対応する固有幾何学構造の出現について検討する。 複数の知覚領域にまたがる階層的幾何学構造の出現を観察する。 これにより、人間のような知覚幾何学が大きな言語モデルでどのように、どこで起こるか、という新たな洞察が得られる。
  論文  参考訳（メタデータ） (2026-05-27T05:04:29Z)
• Head Similarity: Modeling Structured Whole-Head Appearance Beyond Face Recognition [15.66689893756966]
  頭部類似性モデルにアイデンティティ中心の認識を拡張した新しい定式化である頭部類似性を導入する。 本手法は, アイデンティティ内外見の変動を明示的に捉え, 同一性および外見状態の階層的類似性を強制する。 最初のステップとして、階層的な監督とアイデンティティに配慮した蒸留を通じて、識別識別と外見に敏感な類似性を共同でモデル化する、シンプルで効果的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-05-08T14:07:10Z)
• SpatialImaginer: Towards Adaptive Visual Imagination for Spatial Reasoning [67.67774742200626]
  空間知能は、視覚的な観察から幾何学的および物理的構造を推論する能力を指すもので、大きな言語モデルにとって重要な課題である。 テキスト推論と視覚的想像力を組み合わせた統合型マルチモーダル生成フレームワークを提案する。 本フレームワークでは,高レベルなセマンティックプランニングのためのテキストチェーンと,幾何感応的な状態変換と整合性保存のための視覚的想像力を用いて,分割・対数戦略を採用している。
  論文  参考訳（メタデータ） (2026-04-19T11:21:59Z)
• Representations in vision and language converge in a shared, multidimensional space of perceived similarities [0.0]
  視覚的および言語的類似性判定は行動レベルに収束することを示す。 また、自然のシーン画像から誘発されるfMRI脳反応のネットワークについても予測する。 これらの結果は、人間の視覚的および言語的類似性判断は、共有的、モダリティに依存しない表現構造に基礎を置いていることを示している。
  論文  参考訳（メタデータ） (2025-07-29T14:42:31Z)
• Convergent transformations of visual representation in brains and models [0.0]
  認知神経科学における根本的な疑問は、視覚的知覚(外界の構造や脳の内部構造)をどう形成するかである。 人間の視覚と人工視覚の両方において、外界の構造によって駆動される視覚的エンコーディングのための収束した計算解を示す。
  論文  参考訳（メタデータ） (2025-07-18T14:13:54Z)
• When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
  視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。 モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。 その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-14T17:59:58Z)
• The geometry of hidden representations of large transformer models [43.16765170255552]
  大規模トランスは、さまざまなデータタイプをまたいだ自己教師型データ分析に使用される強力なアーキテクチャである。 データセットのセマンティック構造は、ある表現と次の表現の間の変換のシーケンスから現れることを示す。 本研究は,データセットのセマンティクス情報が第1ピークの終わりによりよく表現されることを示し,この現象を多種多様なデータセットで訓練された多くのモデルで観測できることを示した。
  論文  参考訳（メタデータ） (2023-02-01T07:50:26Z)
• On the Complexity of Bayesian Generalization [141.21610899086392]
  我々は、多様かつ自然な視覚スペクトルにおいて、概念一般化を大規模に考える。 問題空間が大きくなると、2つのモードが研究され、$complexity$が多様になる。
  論文  参考訳（メタデータ） (2022-11-20T17:21:37Z)
• Visual Superordinate Abstraction for Robust Concept Learning [80.15940996821541]
  概念学習は言語意味論と結びついた視覚表現を構成する。 視覚概念の本質的な意味的階層を探索する失敗のボトルネックについて説明する。 本稿では,意味認識型視覚サブ空間を明示的にモデル化するビジュアル・スーパーオーディネート・抽象化・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-28T14:27:38Z)

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。