論文の概要: FPSRG: Heterogeneous User Simulation First-Person Post-Training and Multidimensional Semantic Response Grids
- arxiv url: http://arxiv.org/abs/2611.16445v1
- Date: Thu, 12 Nov 2026 07:58:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.394186
- Title: FPSRG: Heterogeneous User Simulation First-Person Post-Training and Multidimensional Semantic Response Grids
- Title(参考訳): FPSRG:不均一ユーザシミュレーション ファーストパーソンポストトレーニングと多次元セマンティックレスポンスグリッド
- Abstract要約: プロファイル構築について検討する: 与えられた次元、項目、スコアリングルール、多次元目標スコアで検索可能なモデル構成を構築する。
共有ポストトレーニングはまず、モデルを参加者として判断し、答えるように教える。
モデル凍結により、ベクトル係数の組み合わせのジョイントスコアを測定し、不許容な構成をフィルタし、その結果を検索可能なカタログに格納する。
- 参考スコア(独自算出の注目度): 8.132367688971309
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Simulating heterogeneous individuals with large language models is an active research direction, and heterogeneous user simulation requires models with different characteristics. We study profile construction: given dimensions, items, and scoring rules, build model configurations that can be retrieved by multidimensional target scores. We introduce First-Person Semantic Response Grids (FPSRG). Shared post-training first teaches the model to judge and answer as the participant; self-report and behavioral targets then refine dimension-specific control vectors. With the model frozen, we measure joint scores for vector-coefficient combinations, filter inadmissible configurations, and store the results in a searchable catalog. Per-token configuration routing, continuous batching, and isolated caches support parallel measurement of different profiles. Non-thinking five- and ten-dimensional Qwen instances and a thinking-mode six-dimensional instance following full-parameter post-training of Huihui demonstrate the complete workflow. With matched data, layers, and norms, refinement increases mean five-axis composite control span from 30.75 to 40.45. Within the five-dimensional 25-75 target region, the qualified five-level vector catalog covers 92.2% of fixed targets under per-axis error at most 20 and total error at most 60; combining it with the prompt catalog increases coverage to 98.7%. At a fixed coefficient range, three-, five-, and nine-level catalogs achieve 71.2%, 92.2%, and 94.6% coverage, demonstrating the gains from denser measurement. These results describe measured reachable regions under a fixed assessment protocol. Through shared adaptation, a small set of learned directions, and reusable joint measurements, FPSRG constructs heterogeneous individual configurations without retraining a model for every profile.
- Abstract(参考訳): 大規模言語モデルを用いた異種個人シミュレーションは活発な研究方向であり、異種ユーザシミュレーションには異なる特性を持つモデルが必要である。
プロファイル構築について検討する: 与えられた次元、項目、スコアリングルール、多次元目標スコアで検索可能なモデル構成を構築する。
本稿では,FPSRG(First-Person Semantic Response Grids)を紹介する。
共有ポストトレーニングはまず、モデルを参加者として判断し、答えるように教える。
モデル凍結により、ベクトル係数の組み合わせのジョイントスコアを測定し、不許容な構成をフィルタし、その結果を検索可能なカタログに格納する。
トークン単位の設定ルーティング、継続的バッチ、分離されたキャッシュは、異なるプロファイルの並列測定をサポートする。
非思考の5次元および10次元のQwenインスタンスと、Huihuiのフルパラメータ後トレーニングに続く思考モードの6次元インスタンスは、完全なワークフローを実証する。
一致したデータ、層、標準により、改良は平均5軸複合制御を30.75から40.45に拡大する。
5次元25-75ターゲット領域内において、資格付き5レベルベクトルカタログは、最大で20の軸誤差と60の総誤差で固定目標の92.2%をカバーし、即時カタログと組み合わせると、カバー範囲は98.7%まで増加する。
固定係数範囲では、3-、5-、9-レベルのカタログは71.2%、92.2%、94.6%のカバレッジを獲得し、より密度の高い測定による利得を示している。
これらの結果は、固定された評価プロトコルの下で測定可能な領域について記述する。
共有適応、学習方向の小さなセット、再利用可能な関節測定を通じて、FPSRGは、プロファイル毎にモデルを再訓練することなく、異質な個々の構成を構築する。
関連論文リスト
- Benchmarking Self-Supervised 3D Medical Vision Foundation Models and Transferability Estimation [57.65266782182578]
セルフ教師付き事前トレーニングは、3D医療基盤モデルのプールを拡張したが、異なるデータセット、エンドポイント、微調整プロトコルを使用した評価を公表した。
14のセグメンテーション、分類、回帰タスク、複数の解剖学とモダリティにまたがる23の候補をベンチマークした。
3モデルショートリストは、7つのセグメンテーションタスクで記録された抜粋+訓練ジョブ時間を85.8%削減した。
論文 参考訳(メタデータ) (2026-10-13T01:52:19Z) - GAGR-Lab: Evaluating Joint Spatial-Geometric and Analytic Function Reasoning [14.588023398856704]
GAGR-Labは、共同空間幾何学および解析関数推論のためのフレームワークである。
空間知覚、メートル法基底、幾何学的関係、関数解釈、関数構成、制約付き合成を区別する。
1つのホストされたモデルの有界パイロットは、72のバランスのとれたゲームを生成し、432の試行、429の有効なプロバイダ応答とターゲットヒットを発生させる。
論文 参考訳(メタデータ) (2026-10-07T15:01:54Z) - SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。
本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。
各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
論文 参考訳(メタデータ) (2026-09-29T09:38:29Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳(メタデータ) (2026-06-29T06:39:03Z) - ATLAS: Constitution-Conditioned Latent Geometry and Redistribution Across Language Models and Neural Perturbation Data [0.0]
構成条件付きポストトレーニングは、モデルが学習した表現幾何学の構造化摂動として分析することができる。
グラフ, モデル, 基板間の構成による隠れ状態構造をトレースする, 幾何学第一のプログラムATLASを紹介する。
論文 参考訳(メタデータ) (2026-04-19T23:26:02Z) - Dividable Configuration Performance Learning [4.949726352498762]
本稿では,DaLと呼ばれる構成性能を予測するためのモデルに依存しない,スパース性ロバストなフレームワークを提案する。
DaLは、"diide-and-learn"を使ってモデルを構築する、分割可能な学習の新しいパラダイムに基づいている。
論文 参考訳(メタデータ) (2024-09-11T21:23:23Z) - RGM: A Robust Generalizable Matching Model [49.60975442871967]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳(メタデータ) (2023-10-18T07:30:08Z)
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。