:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mita, Masato, Yoshida, Ryo, Oseki, Yohei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2502.04795
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Language Acquisition Device in Large Language Models
von: Mita, Masato, et al.
Veröffentlicht: (2026)

Composition, Attention, or Both?
von: Yoshida, Ryo, et al.
Veröffentlicht: (2022)

Tree-Planted Transformers: Unidirectional Transformer Language Models with Implicit Syntactic Supervision
von: Yoshida, Ryo, et al.
Veröffentlicht: (2024)

Modeling Human Sentence Processing with Left-Corner Recurrent Neural Network Grammars
von: Yoshida, Ryo, et al.
Veröffentlicht: (2021)

Derivational Probing: Unveiling the Layer-wise Derivation of Syntactic Structures in Neural Language Models
von: Someya, Taiga, et al.
Veröffentlicht: (2025)

If Attention Serves as a Cognitive Model of Human Memory Retrieval, What is the Plausible Memory Representation?
von: Yoshida, Ryo, et al.
Veröffentlicht: (2025)

An Existence Proof for Neural Language Models That Can Explain Garden-Path Effects via Surprisal
von: Yoshida, Ryo, et al.
Veröffentlicht: (2026)

Emergent Word Order Universals from Cognitively-Motivated Language Models
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2024)

Rethinking the Relationship between the Power Law and Hierarchical Structures
von: Nakaishi, Kai, et al.
Veröffentlicht: (2025)

Is Structure Dependence Shaped for Efficient Communication?: A Case Study on Coordination
von: Kajikawa, Kohei, et al.
Veröffentlicht: (2024)

Psychometric Predictive Power of Large Language Models
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2023)

Dual Alignment Between Language Model Layers and Human Sentence Processing
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2026)

Can Language Models Learn Typologically Implausible Languages?
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Massive Supervised Fine-tuning Experiments Reveal How Data, Layer, and Training Factors Shape LLM Alignment Quality
von: Harada, Yuto, et al.
Veröffentlicht: (2025)

BabyLM Challenge: Exploring the Effect of Variation Sets on Language Model Training Efficiency
von: Haga, Akari, et al.
Veröffentlicht: (2024)

Large Language Models Are Human-Like Internally
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2025)

Large Language Models Are State-of-the-Art Evaluator for Grammatical Error Correction
von: Kobayashi, Masamune, et al.
Veröffentlicht: (2024)

Investigating Critical Period Effects in Language Acquisition through Neural Language Models
von: Constantinescu, Ionut, et al.
Veröffentlicht: (2024)

Exclusive Unlearning
von: Sasaki, Mutsumi, et al.
Veröffentlicht: (2026)

Can Language Models Induce Grammatical Knowledge from Indirect Evidence?
von: Oba, Miyu, et al.
Veröffentlicht: (2024)

Revisiting Meta-evaluation for Grammatical Error Correction
von: Kobayashi, Masamune, et al.
Veröffentlicht: (2024)

Do Self-Supervised Speech Models Exhibit the Critical Period Effects in Language Acquisition?
von: Koga, Yurie, et al.
Veröffentlicht: (2025)

Not Eliminate but Aggregate: Post-Hoc Control over Mixture-of-Experts to Address Shortcut Shifts in Natural Language Understanding
von: Honda, Ukyo, et al.
Veröffentlicht: (2024)

Project MOSLA: Recording Every Moment of Second Language Acquisition
von: Hagiwara, Masato, et al.
Veröffentlicht: (2024)

Exploring the Effects of Alignment on Numerical Bias in Large Language Models
von: Sato, Ayako, et al.
Veröffentlicht: (2026)

PheMT: A Phenomenon-wise Dataset for Machine Translation Robustness on User-Generated Contents
von: Fujii, Ryo, et al.
Veröffentlicht: (2020)

Contextualising (Im)plausible Events Triggers Figurative Language
von: Eichel, Annerose, et al.
Veröffentlicht: (2026)

Striking Gold in Advertising: Standardization and Exploration of Ad Text Generation
von: Mita, Masato, et al.
Veröffentlicht: (2023)

Do LLMs Need to Think in One Language? Correlation between Latent Language and Task Performance
von: Ozaki, Shintaro, et al.
Veröffentlicht: (2025)

AdTEC: A Unified Benchmark for Evaluating Text Quality in Search Engine Advertising
von: Zhang, Peinan, et al.
Veröffentlicht: (2024)

How a Bilingual LM Becomes Bilingual: Tracing Internal Representations with Sparse Autoencoders
von: Inaba, Tatsuro, et al.
Veröffentlicht: (2025)

FaithCAMERA: Construction of a Faithful Dataset for Ad Text Generation
von: Kato, Akihiko, et al.
Veröffentlicht: (2024)

LCTG Bench: LLM Controlled Text Generation Benchmark
von: Kurihara, Kentaro, et al.
Veröffentlicht: (2025)

Gated Differentiable Working Memory for Long-Context Language Modeling
von: Mei, Lingrui, et al.
Veröffentlicht: (2026)

Readers make targeted regressions to plausible errors in reanalysis of "noisy-channel garden-path" sentences
von: Clark, Thomas Hikaru, et al.
Veröffentlicht: (2026)

[Call for Papers] The 2nd BabyLM Challenge: Sample-efficient pretraining on a developmentally plausible corpus
von: Choshen, Leshem, et al.
Veröffentlicht: (2024)

Empowering Working Memory for Large Language Model Agents
von: Guo, Jing, et al.
Veröffentlicht: (2023)

Symbolic Working Memory Enhances Language Models for Complex Rule Application
von: Wang, Siyuan, et al.
Veröffentlicht: (2024)

LLMs Can't Play Hangman: On the Necessity of a Private Working Memory for Language Agents
von: Baldelli, Davide, et al.
Veröffentlicht: (2026)

Unlocking the Working Memory of Large Language Models for Latent Reasoning
von: Aichberger, Lukas, et al.
Veröffentlicht: (2026)