論文の概要: Compute the Interactions, Not the Attributes: What a Fact Layer Must Supply in the Chinese Sexagenary System
- arxiv url: http://arxiv.org/abs/2611.13597v2
- Date: Wed, 11 Nov 2026 08:29:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.903605
- Title: Compute the Interactions, Not the Attributes: What a Fact Layer Must Supply in the Chinese Sexagenary System
- Title(参考訳): 中国の性器系におけるファクト・レイヤ・サプライとは何か
- Abstract要約: 言語モデルシステムは、しばしばモデルを決定論的事実層と組み合わせるが、その層が計算すべきものはほとんど測定されない。
BaZiチャート解析の根底にある中国の性器系では、すべての事実がテーブルチェック可能な値を持っている。
チェスのポジションでは、前もって固定された2つの予測:属性は役に立たない。
- 参考スコア(独自算出の注目度): 10.491699181520179
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language-model systems in rule-governed domains often pair the model with a deterministic fact layer, but what that layer should compute is rarely measured. We measure it in the Chinese sexagenary system underlying BaZi chart analysis, where every fact has one table-checkable value: 682 items over twelve fact categories and 160 transit--natal collision items, each posed on a ladder of rungs that differ only in how much of the computation is done for the model. Answering directly, none of eleven open-weight models gets more than 4\% of sexagenary days or 1\% of collisions right, and supplying the attributes of every pillar does not change the collisions. A complete list of computed relations is not enough either: it leaves Qwen3-32B at 1\%, with relations listed for other pairs misattributed to the queried pair, whereas a query-filtered layer from follow-up runs, stating only the queried relations pillar by pillar, gives 92\%. On chess positions, two predictions locked in advance hold: attributes do not help, and unqueried relations are again misattributed. Three proprietary reasoning models compute 68--95\% of collisions unaided, while reasoning in smaller open models overrides supplied facts. A fact layer should compute the interactions and return the ones the question asks about.
- Abstract(参考訳): ルール統治ドメインの言語モデルシステムは、しばしば決定論的事実層とモデルをペアリングするが、その層が計算すべきものはほとんど測定されない。
BaZiチャート解析の根底にある中国の性器系では、すべての事実が1つのテーブルチェック可能な値を持つ。12の事実カテゴリに682の項目があり、160のトランジット・ナベラル衝突項目があり、それぞれがモデルに対する計算の量だけが異なるラングのはしごの上に置かれている。
直接答えると、11のオープンウェイトモデルのうち、セクシュナリーデイの4 %以上、衝突の1 %以上を正しく得るものはなく、各柱の属性を供給しても衝突は変わらない。
Qwen3-32B は 1\% に残され、他のペアに列挙された関係は、クエリペアに誤って分布する。
チェスのポジションでは、前もって固定された2つの予測:属性は役に立たない。
3つのプロプライエタリな推論モデルは衝突の68-95%を計算し、より小さなオープンなモデルは供給された事実を上書きする。
ファクト・レイヤはインタラクションを計算し、質問されるものを返すべきです。
関連論文リスト
- On the Limits of Scale: Inverse Scaling in Vision-Language Models [67.54189742028566]
本稿では,視覚言語モデル(VLM)がサブタスクレベルで逆スケーリングを示すという系統的証拠を示す。
8つのマルチモーダルベンチマークで4つの異なるモデルファミリーから19のモデルを評価する。
本研究で最も影響を受ける領域は,多面的空間推論,視覚知覚,大学レベルのSTEM知識などである。
論文 参考訳(メタデータ) (2026-10-19T22:39:42Z) - Output Discipline Sets the Floor: A Falsification-Guided, Model-Agnostic Agent Protocol for Auditable Hypothesis-Driven Decision Making [6.722659018729722]
意思決定を5段階閉ループとして定式化するモデルに依存しないエージェント・フレームワークをテストする。
全ての候補者はすべての証拠項目に対して判断され、少なくとも半数の候補者は、結論が認可される前に偽造されなければならない。
5つの基本モデルにまたがって、この効果はゼロショット出力の規律に対する符号条件である。
論文 参考訳(メタデータ) (2026-10-13T12:46:44Z) - Do LiDAR Language Models Really Understand Spatio-temporal Relationships? [62.56505727364142]
ベンチマークと診断プロトコルであるLiDAR-Halluを150 nusのシーンで紹介する。
提案プロトコルは,固定回答と候補コンテンツ制御,クロスシーンペアを同一のプロンプトで組み合わせるが,参照応答は逆で,リレーショナルなリコールを行う。
記録された10万の応答の分析は、集合的空間精度によって隠された失敗を明らかにする。
論文 参考訳(メタデータ) (2026-09-21T11:59:07Z) - PROOF: Profiling Reliability of Object-Level Facts in Large Language Models [33.72751145910978]
PROOFは、命令調整言語モデルにおける事実カバレッジのためのプロファイル指向のベンチマークである。
各質問には、明示的な"I don't know"オプション、"No correct option"コントロール、および9つの制御された定式化がある。
我々は166,374個のオープンウェイトモデル配置を18個のオープンウェイトモデル配置で評価し,各プロンプトと固定10%のサブセットで個別にパーターブデコーディングを行う。
論文 参考訳(メタデータ) (2026-08-24T17:13:25Z) - Open-Weight Masked Introspection: Measuring What Language Models Can Report About Their Own Computation [8.970269049715933]
最近の研究は、複雑なモデルが自身の内部を監査し、何を変えたかを呼び出して、自信を持って報告できることを示している。
われわれはこの主張を7家族の8つのオープンウェイトモデルで検証し、そのような能力は見つからなかった。
テストのためにOpen-Weight Masked Introspection (OWMI)というフレームワークを開発しました。
論文 参考訳(メタデータ) (2026-08-20T21:09:50Z) - When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models [45.91367912142692]
異なるモデルがいまだに同じ狭い部分集合を選択している可能性を示し、単一の引用が誤りを犯さずに、引用モノカルチャーを生成する。
3つのベンダーの11のモデルが、30のランダムなパネルから少なくとも10の論文を選択しており、実際のタイトルと抽象物があるが、作者が作り直され、再割り当て年、隠れた会場と引用数がある。
論文 参考訳(メタデータ) (2026-08-03T14:27:46Z) - Semantic Layers for Reliable LLM-Powered Data Analytics: A Paired Benchmark of Accuracy and Hallucination Across Three Frontier Models [0.0]
解析データベースの自然言語クエリ用にデプロイされたLLMは、2つの障害に悩まされる。
ClickHouseのCleaned Contoso Retailデータセットに対して,100の自然言語質問に対して,3つのフロンティアLSMをベンチマークした。
論文 参考訳(メタデータ) (2026-04-28T02:53:23Z) - Causal Understanding by LLMs: The Role of Uncertainty [43.87879175532034]
近年の論文では、LLMは因果関係分類においてほぼランダムな精度を達成している。
因果的事例への事前曝露が因果的理解を改善するか否かを検討する。
論文 参考訳(メタデータ) (2025-09-24T13:06:35Z) - Learning to Model and Ignore Dataset Bias with Mixed Capacity Ensembles [66.15398165275926]
本稿では,データセット固有のパターンを自動的に検出・無視する手法を提案する。
我々の方法は、より高い容量モデルでアンサンブルで低容量モデルを訓練する。
視覚的質問応答データセットの10ポイントゲインを含む,すべての設定の改善を示す。
論文 参考訳(メタデータ) (2020-11-07T22:20:03Z) - Selective Question Answering under Domain Shift [90.021577320085]
モデルがドメイン外の入力に対して過度に信頼されているため、モデルのソフトマックス確率のみに基づくアテンションポリシーは不適切である。
キャリブレータをトレーニングして、QAモデルがアースする入力を識別し、エラーを予測した場合に停止する。
提案手法は,80%の精度を維持しながら56%の質問に回答するが,それに対してモデルの確率を直接使用する場合,80%の精度で48%しか回答しない。
論文 参考訳(メタデータ) (2020-06-16T19:13:21Z) - How do Decisions Emerge across Layers in Neural Models? Interpretation
with Differentiable Masking [70.92463223410225]
DiffMaskは、差分性を維持しながら入力のサブセットをマスクアウトすることを学ぶ。
入力トークンを包含または無視する決定は、中間隠蔽層に基づく単純なモデルで行われる。
これにより、属性のヒートマップをプロットするだけでなく、ネットワーク層間で意思決定がどのように形成されるかを分析することができます。
論文 参考訳(メタデータ) (2020-04-30T17:36:14Z)
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。