Fugu-MT 論文翻訳(概要): Formalizing Embeddedness Failures in Universal Artificial Intelligence

論文の概要: Formalizing Embeddedness Failures in Universal Artificial Intelligence

arxiv url: http://arxiv.org/abs/2505.17882v1
Date: Fri, 23 May 2025 13:31:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-26 18:08:34.108977
Title: Formalizing Embeddedness Failures in Universal Artificial Intelligence
Title（参考訳）: 汎用人工知能における埋め込み障害の形式化
Authors: Cole Wyeth, Marcus Hutter,
Abstract要約: 組込みエージェントのモデルとしてのAIXI強化学習エージェントの失敗を論じる。普遍分布から引き出された共同行動/知覚履歴をモデル化するAIXIの変種に焦点を当てる。
参考スコア（独自算出の注目度）: 14.857358983224108
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We rigorously discuss the commonly asserted failures of the AIXI reinforcement learning agent as a model of embedded agency. We attempt to formalize these failure modes and prove that they occur within the framework of universal artificial intelligence, focusing on a variant of AIXI that models the joint action/percept history as drawn from the universal distribution. We also evaluate the progress that has been made towards a successful theory of embedded agency based on variants of the AIXI agent.
Abstract（参考訳）: 組込みエージェントのモデルとして、AIXI強化学習エージェントの一般的に主張される失敗を厳格に議論する。我々はこれらの障害モードを形式化し、それらが普遍的な人工知能の枠組みの中で起こることを証明しようと試み、普遍的な分布から引き出された共同行動/知覚履歴をモデル化するAIXIの変種に焦点をあてる。また,AIXIエージェントの変種に基づいて,組込みエージェントの理論を成功に導いた進歩も評価した。

関連論文リスト

Generalising from Self-Produced Data: Model Training Beyond Human Constraints [0.0]
本稿では,AIモデルが新たな知識を自律的に生成し,検証する新しい枠組みを提案する。このアプローチの中心は、人間のベンチマークを必要とせずに学習をガイドする、無制限で使い捨ての数値報酬である。
論文参考訳（メタデータ） (2025-04-07T03:48:02Z)
Universal AI maximizes Variational Empowerment [0.0]
我々は、自己学習エージェントであるSelf-AIXIの既存のフレームワークの上に構築する。ユニバーサルAIエージェントのパワーサーキング傾向は、将来の報酬を確保するための手段戦略として説明できる、と我々は主張する。私たちの主な貢献は、これらのモチベーションがAIエージェントを体系的に高オプション状態を探し、維持する方法を示すことです。
論文参考訳（メタデータ） (2025-02-20T02:58:44Z)
Over the Edge of Chaos? Excess Complexity as a Roadblock to Artificial General Intelligence [4.901955678857442]
我々は、AIの性能が臨界複雑性しきい値を超えると不安定になるかもしれない複雑なシステムにおける位相遷移に類似した臨界点の存在を仮定した。我々のシミュレーションは、AIシステムの複雑さの増加が、より高い臨界閾値を超え、予測不可能なパフォーマンス行動を引き起こすことを実証した。
論文参考訳（メタデータ） (2024-07-04T05:46:39Z)
Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文参考訳（メタデータ） (2024-02-28T16:09:56Z)
Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文参考訳（メタデータ） (2023-12-22T17:57:57Z)
RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。 RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。 RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
論文参考訳（メタデータ） (2023-10-25T03:53:31Z)
The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされるまず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文参考訳（メタデータ） (2023-09-14T17:12:03Z)
On Realization of Intelligent Decision-Making in the Real World: A Foundation Decision Model Perspective [54.38373782121503]
FDM(Foundation Decision Model)は、様々な意思決定タスクをシーケンスデコーディングタスクとして定式化することで開発することができる。本稿では、FDMの実装であるDigitalBrain(DB1)を13億のパラメータで実証し、870のタスクで人間レベルのパフォーマンスを達成するケーススタディを提案する。
論文参考訳（メタデータ） (2022-12-24T06:16:45Z)
Developing and Operating Artificial Intelligence Models in Trustworthy Autonomous Systems [8.27310353898034]
このワーク・イン・プログレス・ペーパーはAIベースのASの開発と運用のギャップを埋めることを目的としている。私たちはそれを実践するために、新しく包括的なDevOpsアプローチを提案します。
論文参考訳（メタデータ） (2020-03-11T17:52:30Z)

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。