| 講演抄録/キーワード |
| 講演名 |
2026-09-16 10:30
隠れ状態介入によるLLMの因果関係分類 ○坂地泰紀(北大) NLC2026-9 |
| 抄録 |
(和) |
金融分析等で用いるオープンウェイトLLMの因果関係認識のため,ベースLLMを凍結したまま中間層の隠れ状態を小型エンコーダで変換・注入する軽量手法「Inject」を提案.3モデル・3データセットの実験で,LoRAが引き起こす性能退行を回避しつつ,gemma-4-E2Bで最大+0.32の精度向上を達成し,LoRA SFTと相補的であることを示した. |
| (英) |
For causal-relation recognition with open-weight LLMs used in domains such as financial analysis, we propose "Inject," a lightweight method that keeps the base LLM frozen while a small encoder transforms and injects hidden states at an intermediate layer. Experiments on three models and three datasets show that the method is complementary to LoRA SFT: it avoids the performance regressions caused by LoRA and achieves accuracy gains of up to +0.32 on gemma-4-E2B. |
| キーワード |
(和) |
大規模言語モデル / 因果関係分類 / オープンウェイトLLM / 軽量介入 / 残差ストリーム注入 / LoRA / / |
| (英) |
large language models / causal-relation classification / open-weight LLMs / lightweight intervention / residual-stream injection / LoRA / / |
| 文献情報 |
信学技報, vol. 126, no. 176, NLC2026-9, pp. 47-52, 2026年9月. |
| 資料番号 |
NLC2026-9 |
| 発行日 |
2026-09-07 (NLC) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
NLC2026-9 |