論文の概要: Emotion-Gradient Metacognitive RSI (Part I): Theoretical Foundations and Single-Agent Architecture
- arxiv url: http://arxiv.org/abs/2505.07757v1
- Date: Mon, 12 May 2025 17:02:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-13 20:21:49.503555
- Title: Emotion-Gradient Metacognitive RSI (Part I): Theoretical Foundations and Single-Agent Architecture
- Title（参考訳）: 感情学習型メタ認知型RSI(第1報)理論的基礎と単一エージェントアーキテクチャ
- Authors: Rintaro Ando,
- Abstract要約: 本稿では,内観的メタ認知と感情に基づく本質的モチベーションを統合した新しいアーキテクチャEG-MRSIフレームワークを提案する。
このフレームワークは、公式に制限されたリスクの下で、独自の学習アルゴリズムを明示的に上書きすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present the Emotion-Gradient Metacognitive Recursive Self-Improvement (EG-MRSI) framework, a novel architecture that integrates introspective metacognition, emotion-based intrinsic motivation, and recursive self-modification into a unified theoretical system. The framework is explicitly capable of overwriting its own learning algorithm under formally bounded risk. Building upon the Noise-to-Meaning RSI (N2M-RSI) foundation, EG-MRSI introduces a differentiable intrinsic reward function driven by confidence, error, novelty, and cumulative success. This signal regulates both a metacognitive mapping and a self-modification operator constrained by provable safety mechanisms. We formally define the initial agent configuration, emotion-gradient dynamics, and RSI trigger conditions, and derive a reinforcement-compatible optimization objective that guides the agent's development trajectory. Meaning Density and Meaning Conversion Efficiency are introduced as quantifiable metrics of semantic learning, closing the gap between internal structure and predictive informativeness. This Part I paper establishes the single-agent theoretical foundations of EG-MRSI. Future parts will extend this framework to include safety certificates and rollback protocols (Part II), collective intelligence mechanisms (Part III), and feasibility constraints including thermodynamic and computational limits (Part IV). Together, the EG-MRSI series provides a rigorous, extensible foundation for open-ended and safe AGI.
- Abstract（参考訳）: 本稿では、内観的メタ認知、感情に基づく本質的動機付け、再帰的自己修正を統合理論システムに統合する新しいアーキテクチャEG-MRSI(Emotion-Gradient Metacognitive Recursive Self-Improvement)フレームワークを提案する。
このフレームワークは、公式に制限されたリスクの下で、独自の学習アルゴリズムを明示的に上書きすることができる。
Noise-to-Meaning RSI (N2M-RSI) の基礎の上に構築されたEG-MRSIは、信頼、誤り、新規性、累積的な成功によって駆動される、微分可能な固有報酬関数を導入している。
このシグナルは、メタ認知マッピングと、証明可能な安全機構によって制約された自己修飾演算子の両方を調節する。
我々は,エージェントの初期設定,感情の段階的ダイナミクス,RSIトリガ条件を正式に定義し,エージェントの発達軌跡を導出する強化互換最適化目標を導出する。
意味密度と意味変換効率は、意味学習の定量化指標として導入され、内部構造と予測的情報性のギャップを埋める。
本論文は,EG-MRSIの単一エージェント理論の基礎を確立するものである。
将来のパートでは、このフレームワークを拡張して、安全証明書とロールバックプロトコル(Part II)、集合的なインテリジェンス機構(Part III)、熱力学および計算限界を含む実現可能性制約(Part IV)を含める予定である。
EG-MRSIシリーズは、オープンエンドで安全なAGIのための厳格で拡張可能な基盤を提供する。
関連論文リスト
- ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability [10.957111899739926]
InterpretDLやOmniXAIといった既存のフレームワークは、複数の属性メソッドを統合するが、スケーラビリティの制限、高い結合性、理論的制約、ユーザフレンドリな実装の欠如に悩まされている。
本稿では,Attribution-based Explainability (ABE)を提案する。これは,基本的なAttribution Methodsを形式化し,最先端のAttributionアルゴリズムを統合する統合フレームワークである。
論文 参考訳（メタデータ） (2025-05-03T12:00:59Z) - Cognitive Silicon: An Architectural Blueprint for Post-Industrial Computing Systems [0.0]
本稿では2035年に向けて提案された仮想的なフルスタックアーキテクチャフレームワークについて,認知コンピューティングシステム設計の軌道を探究する。
提案したアーキテクチャは、シンボリックなスキャフォールディング、管理されたメモリ、実行時のモラルコヒーレンス、シリコンとセマンティック層間のアライメント対応実行を統合する。
論文 参考訳（メタデータ） (2025-04-23T11:24:30Z) - Review of Case-Based Reasoning for LLM Agents: Theoretical Foundations, Architectural Components, and Cognitive Integration [0.0]
ケースベース推論(CBR)は、過去の経験を参照することによって、新しい問題を解決する戦略である。
本稿では、過去の経験を参照して新しい問題を解決する戦略であるケースベース推論(CBR)を大規模言語モデルに組み込む方法について考察する。
論文 参考訳（メタデータ） (2025-04-09T14:51:02Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。
これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。
この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - A Survey on Post-training of Large Language Models [185.51013463503946]
大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。
これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。
本稿では,5つのコアパラダイムにまたがるPoLMの進化を体系的に追跡する,最初の包括的調査について述べる。
論文 参考訳（メタデータ） (2025-03-08T05:41:42Z) - ActPC-Chem: Discrete Active Predictive Coding for Goal-Guided Algorithmic Chemistry as a Potential Cognitive Kernel for Hyperon & PRIMUS-Based AGI [0.0]
バイオインスパイアされたゴール誘導人工知能(AI)のための新しいパラダイム(ラベル付き ActPC-Chem)を探求する。
ActPCは、離散アクティブ予測符号化(ActPC)の形式で、書き換え規則のアルゴリズム化学で運用されている。
論文 参考訳（メタデータ） (2024-12-21T09:14:25Z) - ALPINE: Unveiling the Planning Capability of Autoregressive Learning in Language Models [48.559185522099625]
計画は人間の知性と現代大言語モデル(LLM)の両方の重要な要素である
本稿では,トランスフォーマーを用いたLLMにおける次の単語予測機構による計画能力の出現について検討する。
論文 参考訳（メタデータ） (2024-05-15T09:59:37Z) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳（メタデータ） (2023-02-15T04:14:20Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
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。