論文の概要: Sectoral Coupling in Linguistic State Space
- arxiv url: http://arxiv.org/abs/2506.12927v1
- Date: Sun, 15 Jun 2025 17:58:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:47.106308
- Title: Sectoral Coupling in Linguistic State Space
- Title（参考訳）: 言語空間におけるセクシャルカップリング
- Authors: Sebastian Dumbrava,
- Abstract要約: 我々は,ある認知セクターが,ある抽象レベルにおいて他の認知セクターにどのように影響するかを特徴付ける,セクター結合定数のシステムを導入する。
我々は,これらのレベル内結合の役割を詳細に分類し,知覚統合,メモリアクセスと形成,計画,メタ認知,実行制御,情動調節などの領域を網羅する。
このフレームワークは、AIシステム設計、アライメント診断、創発的エージェントの振る舞いの分析など、複雑な認知をモデル化するための機械的かつ解釈可能なアプローチに寄与する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work presents a formal framework for quantifying the internal dependencies between functional subsystems within artificial agents whose belief states are composed of structured linguistic fragments. Building on the Semantic Manifold framework, which organizes belief content into functional sectors and stratifies them across hierarchical levels of abstraction, we introduce a system of sectoral coupling constants that characterize how one cognitive sector influences another within a fixed level of abstraction. The complete set of these constants forms an agent-specific coupling profile that governs internal information flow, shaping the agent's overall processing tendencies and cognitive style. We provide a detailed taxonomy of these intra-level coupling roles, covering domains such as perceptual integration, memory access and formation, planning, meta-cognition, execution control, and affective modulation. We also explore how these coupling profiles generate feedback loops, systemic dynamics, and emergent signatures of cognitive behavior. Methodologies for inferring these profiles from behavioral or internal agent data are outlined, along with a discussion of how these couplings evolve across abstraction levels. This framework contributes a mechanistic and interpretable approach to modeling complex cognition, with applications in AI system design, alignment diagnostics, and the analysis of emergent agent behavior.
- Abstract（参考訳）: この研究は、構造的言語的断片からなる信念状態を持つ人工エージェント内の機能的サブシステム間の内部依存性を定量化するための形式的枠組みを示す。
セマンティック・マニフォールド(Semantic Manifold)フレームワークを基盤として、信念内容を機能的なセクターに整理し、階層的な抽象レベルに階層化し、ある認知セクターがある抽象レベル内で他の認知セクターにどのように影響するかを特徴付けるセクター結合定数のシステムを導入する。
これらの定数の完全なセットは、エージェント固有の結合プロファイルを形成し、内部情報の流れを制御し、エージェントの全体的な処理傾向と認知スタイルを形成する。
我々は,これらのレベル内結合の役割を詳細に分類し,知覚統合,メモリアクセスと形成,計画,メタ認知,実行制御,情動調節などの領域を網羅する。
また、これらの結合プロファイルがフィードバックループ、システムダイナミクス、認知行動の創発的シグネチャを生成する方法についても検討する。
振舞いや内部エージェントデータからこれらのプロファイルを推定するための方法論を概説し、これらの結合が抽象レベルを越えてどのように進化するかについて議論する。
このフレームワークは、AIシステム設計、アライメント診断、創発的エージェントの振る舞いの分析など、複雑な認知をモデル化するための機械的かつ解釈可能なアプローチに貢献している。
関連論文リスト
- Backpropagation through Soft Body: Investigating Information Processing in Brain-Body Coupling Systems [2.0686733932673604]
動物は脳、体、環境の動的結合を通じて洗練された行動制御を行う。
それぞれのコンポーネントを個別に設計することなく、洗練されたエージェントを生成するための共設計アプローチが提案されている。
物理的貯水池計算技術を用いて、最適化された脳機能を身体に組み込むことができることを示す。
論文 参考訳（メタデータ） (2025-01-23T21:05:04Z) - Behavior-Inspired Neural Networks for Relational Inference [6.855586051080836]
エージェント間の相互作用が時間と空間の力学系をどのように進化させるかを研究する。
最近の研究は、エージェント間の関係を、その身体行動の観察に基づいて分類することを学ぶ。
エージェントの観測可能な振る舞いと,その動作を決定する潜在カテゴリの抽象化レベルを導入する。
論文 参考訳（メタデータ） (2024-06-20T21:36:54Z) - On Understanding Attention-Based In-Context Learning for Categorical Data [49.40350941996942]
我々は,アテンションブロックで構成されるネットワークを開発し,各ブロックに自己注意層を付加し,その後にクロスアテンション層と関連するスキップ接続を付加する。
このモデルは、カテゴリー的観察を伴う文脈内推論のための多段階機能的GD推論を正確に行うことができる。
論文 参考訳（メタデータ） (2024-05-27T15:03:21Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Modular Boundaries in Recurrent Neural Networks [39.626497874552555]
我々は、モジュール性として知られるネットワーク科学のコミュニティ検出手法を用いて、ニューロンを異なるモジュールに分割する。
これらのモジュラー境界はシステムにとって重要か?
論文 参考訳（メタデータ） (2023-10-31T16:37:01Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Neural Constraint Satisfaction: Hierarchical Abstraction for
Combinatorial Generalization in Object Rearrangement [75.9289887536165]
基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。
本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。
この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
論文 参考訳（メタデータ） (2023-03-20T18:19:36Z) - Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。
提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
論文 参考訳（メタデータ） (2022-12-28T03:45:56Z) - Divide and Rule: Recurrent Partitioned Network for Dynamic Processes [25.855428321990328]
多くの動的なプロセスは、物理的システムから社会学的分析まで、相互作用する変数に関与している。
我々のゴールは、部分全体階層を持つシステムを表現し、システム内変数間の暗黙の依存関係を発見することである。
提案アーキテクチャは, (i) 複数のレベルにおける観測の階層的かつ時間的に一貫した表現を抽出する知覚モジュール, (ii) 各レベルにおけるニューロン間の関係性を決定する導出モジュール, (iii)時間分布推定を条件に未来を予測する統計的モジュールからなる。
論文 参考訳（メタデータ） (2021-06-01T06:45:56Z) - Coordination Among Neural Modules Through a Shared Global Workspace [78.08062292790109]
認知科学において、機能的に特殊なコンポーネントが情報を共有するグローバルなワークスペースアーキテクチャが提案されている。
キャパシティ制限は、特殊化と構成性を奨励する合理的な基礎を持つことを示す。
論文 参考訳（メタデータ） (2021-03-01T18:43:48Z)
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。