Fugu-MT 論文翻訳(概要): Reward-Punishment Symmetric Universal Intelligence

論文の概要: Reward-Punishment Symmetric Universal Intelligence

arxiv url: http://arxiv.org/abs/2110.02450v1
Date: Wed, 6 Oct 2021 01:47:11 GMT
ステータス: 処理完了
システム内更新日: 2021-10-07 14:27:53.685697
Title: Reward-Punishment Symmetric Universal Intelligence
Title（参考訳）: 報酬懸賞対称的普遍知性
Authors: Samuel Allen Alexander, Marcus Hutter
Abstract要約: 背景符号化とUniversal Turing Machine (UTM) がある種のコルモゴロフ複雑性対称性を許容するならば、結果として得られるレッグ・ハッター知性尺度は原点に対して対称であることを示す。特に、報酬を無視するエージェントは、そのようなUTMに従ってレッグ・ハッターインテリジェンス0を持つ。
参考スコア（独自算出の注目度）: 18.26254785549146
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Can an agent's intelligence level be negative? We extend the Legg-Hutter agent-environment framework to include punishments and argue for an affirmative answer to that question. We show that if the background encodings and Universal Turing Machine (UTM) admit certain Kolmogorov complexity symmetries, then the resulting Legg-Hutter intelligence measure is symmetric about the origin. In particular, this implies reward-ignoring agents have Legg-Hutter intelligence 0 according to such UTMs.
Abstract（参考訳）: エージェントのインテリジェンスレベルは負か? 我々は、Lgg-Hutterエージェント環境の枠組みを拡張して罰を含め、その問題に対する肯定的な回答を求める。背景エンコーディングと普遍チューリングマシン(utm)が、あるコルモゴロフ複雑性の対称性を認めるならば、結果として生じるレッグ・ハッター知能測度は原点について対称である。特に、報酬無視剤はそのようなutmに従ってレッグヘター知性が0である。

関連論文リスト

Probabilistic Tree-of-thought Reasoning for Answering Knowledge-intensive Complex Questions [93.40614719648386]
大規模言語モデル(LLM)は、知識集約的な複雑な質問にチェーン・オブ・シント(CoT)推論で答えることができる。最近の研究は、CoT推論を強化するための外部知識の回収に向けられている。確率的ツリー・オブ・シント推論(ProbTree)という新しいアプローチを提案する。
論文参考訳（メタデータ） (2023-11-23T12:52:37Z)
Complex Query Answering on Eventuality Knowledge Graph with Implicit Logical Constraints [48.831178420807646]
我々は、EVentuality中心のKGに基づいて、ニューラルネットワークを利用して複雑な論理的クエリに応答する新しいフレームワークを提案する。複合事象性クエリ・アンサーリング(CEQA)は、時間的順序と事象の発生を規定する暗黙の論理的制約を考察する。また、CEQAタスク上での最先端のニューラルクエリエンコーダの性能を大幅に向上させるメモリ拡張クエリ(MEQE)を提案する。
論文参考訳（メタデータ） (2023-05-30T14:29:24Z)
Universal Agent Mixtures and the Geometry of Intelligence [13.770740044487317]
重み付き混合操作を導入することにより,理論的普遍エージェントの集合的知的挙動を検証した。本研究では,RLエージェント・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス(RLエージェント・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス・インテリジェンス
論文参考訳（メタデータ） (2023-02-13T04:02:53Z)
Extended Intelligence [10.758382402269982]
我々は、タスクを成功させるために配置されたインテリジェンスは、エージェントとそのコンテキストで構成されるシステムの特性であると主張している。インテリジェンスの拡張という理論により、エージェント間でのインテリジェンスは文脈に縛られ、特にタスクに縛られ、不可避である、と我々は主張する。
論文参考訳（メタデータ） (2022-09-15T16:53:49Z)
Symmetric Pruning in Quantum Neural Networks [111.438286016951]
量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
論文参考訳（メタデータ） (2022-08-30T08:17:55Z)
Representation and Invariance in Reinforcement Learning [0.0]
異なるグループは異なる方法で強化学習を定式化する。このような写像に対する妥当性の基準は、相対的な知性を維持することである。本稿では,この妥当性基準の定式化と特性について検討する。
論文参考訳（メタデータ） (2021-12-14T21:33:12Z)
An argument for the impossibility of machine intelligence [0.0]
AIの担い手になり得るエージェント(デバイス)とは何かを定義する。我々は「知性の主流」の定義が弱すぎて、昆虫に知性を割り当てる際に関係するものを捉えることができないことを示した。私たちは、この定義によって知能の担い手となるために、AIエージェントが保持しなければならない特性を特定します。
論文参考訳（メタデータ） (2021-10-20T08:54:48Z)
GNN is a Counter? Revisiting GNN for Question Answering [105.8253992750951]
State-of-the-art Question Answering (QA)システムは通常、LMに符号化された知識にアクセスするために、訓練済み言語モデル(LM)を使用する。知識グラフ(KG)の推論を行うグラフニューラルネットワーク(GNN)に基づく精巧に設計されたモジュール我々の研究は、既存の知識を意識したGNNモジュールがカウントなどの単純な理由のみを実行することを明らかにしている。
論文参考訳（メタデータ） (2021-10-07T05:44:52Z)
Abstract Reasoning via Logic-guided Generation [65.92805601327649]
抽象的推論、すなわち、与えられた観測から複雑なパターンを推測することは、人工知能の中心的な構成要素である。本稿では,後者のアプローチの枠組みを設計し,人工知能と人間の知能のギャップを埋めることを目的とする。本稿では,提案する論理の最適化問題として,抽象的推論を削減した新しい生成型DNNフレームワークであるLoGeを提案する。
論文参考訳（メタデータ） (2021-07-22T07:28:24Z)
Measuring Intelligence and Growth Rate: Variations on Hibbard's Intelligence Measure [0.0]
2011年、ヒバードは敵対的なシーケンス予測ゲームに出場するエージェントの知能測定を提案した。ヒバードの考えは実際には2つの異なる考えと考えるべきだと我々は主張する。
論文参考訳（メタデータ） (2021-01-25T01:54:08Z)
KPQA: A Metric for Generative Question Answering Using Keyphrase Weights [64.54593491919248]
KPQA-metricは生成的質問応答システムの正当性を評価するための新しい指標である。我々の新しい計量は、キーフレーズ予測を通じて各トークンに異なる重みを割り当てる。提案手法は,既存の指標よりも人的判断との相関が有意に高いことを示す。
論文参考訳（メタデータ） (2020-05-01T03:24:36Z)

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。