論文の概要: Neural Cellular Automata for ARC-AGI

• arxiv url: http://arxiv.org/abs/2506.15746v1
• Date: Wed, 18 Jun 2025 03:47:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.757945
• Title: Neural Cellular Automata for ARC-AGI
• Title（参考訳）: ARC-AGIのためのニューラルセルオートマタ
• Authors: Kevin Xu, Risto Miikkulainen,
• Abstract要約: 本稿では,NACが正確な変換や数ショットの一般化を必要とするタスクに適用する際の動作について考察する。 具体的には,インプットグリッドを出力に変換する反復更新規則の学習に勾配に基づくトレーニングを用いる。 その結果,勾配学習型NAAモデルはARCの抽象的グリッドベースタスクに対して,有望かつ効率的なアプローチであることが示唆された。
• 参考スコア（独自算出の注目度）: 10.60691612679966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cellular automata and their differentiable counterparts, Neural Cellular Automata (NCA), are highly expressive and capable of surprisingly complex behaviors. This paper explores how NCAs perform when applied to tasks requiring precise transformations and few-shot generalization, using the Abstraction and Reasoning Corpus for Artificial General Intelligence (ARC-AGI) as a domain that challenges their capabilities in ways not previously explored. Specifically, this paper uses gradient-based training to learn iterative update rules that transform input grids into their outputs from the training examples and apply them to the test inputs. Results suggest that gradient-trained NCA models are a promising and efficient approach to a range of abstract grid-based tasks from ARC. Along with discussing the impacts of various design modifications and training constraints, this work examines the behavior and properties of NCAs applied to ARC to give insights for broader applications of self-organizing systems.
• Abstract（参考訳）: セルオートマトンとその相違点であるニューラルセルオートマトン(NCA)は、非常に表現力が高く、驚くほど複雑な振る舞いをすることができる。 本稿では,NAAが高精度な変換や少数ショットの一般化を必要とするタスクに適用した場合の動作について,ARC-AGI(Abstraction and Reasoning Corpus for Artificial General Intelligence)を用いて検討する。 具体的には、勾配に基づくトレーニングを用いて、トレーニング例から入力グリッドを出力に変換し、それらをテスト入力に適用する反復的な更新規則を学習する。 その結果,勾配学習型NAAモデルはARCの抽象的グリッドベースタスクに対して,有望かつ効率的なアプローチであることが示唆された。 本研究は、様々な設計変更や訓練制約の影響について論じるとともに、ARCに適用されたNCAの挙動と特性を調べ、より広範な自己組織化システムの応用に対する洞察を与える。

関連論文リスト

• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [55.914891182214475]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)
• ARC-NCA: Towards Developmental Solutions to the Abstraction and Reasoning Corpus [0.0]
  ARC-NCAはARC-AGIベンチマークに取り組むための開発手法である。 開発ソリューションは、AIの問題解決能力を高めるための有望な道を提供するかもしれない。
  論文  参考訳（メタデータ） (2025-05-13T17:55:43Z)
• Learning Task Representations from In-Context Learning [73.72066284711462]
  大規模言語モデル(LLM)は、文脈内学習において顕著な習熟性を示している。 ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。 提案手法の有効性は,最後の隠れ状態の分布と最適に実行されたテキスト内学習モデルとの整合性に起因していることを示す。
  論文  参考訳（メタデータ） (2025-02-08T00:16:44Z)
• Causality-Aware Transformer Networks for Robotic Navigation [13.719643934968367]
  Visual Navigationの現在の研究は、改善の機会を明らかにしている。 RNNとTransformerの直接的な採用はしばしば、Embodied AIと従来のシーケンシャルなデータモデリングの具体的な違いを見落としている。 因果理解モジュールを特徴とするナビゲーション用因果認識変換器(CAT)ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-04T12:53:26Z)
• Quantitative Assurance and Synthesis of Controllers from Activity Diagrams [4.419843514606336]
  確率的モデル検査は、定性的および定量的な性質を自動検証するために広く用いられている形式的検証手法である。 これにより、必要な知識を持っていない研究者やエンジニアにはアクセスできない。 本稿では,確率時間の新しいプロファイル,品質アノテーション,3つのマルコフモデルにおけるADの意味論的解釈,アクティビティ図からPRISM言語への変換ルールのセットなど,ADの総合的な検証フレームワークを提案する。 最も重要なことは、モデルをベースとした手法を用いて、完全自動検証のための変換アルゴリズムを開発し、QASCADと呼ばれるツールで実装したことです。
  論文  参考訳（メタデータ） (2024-02-29T22:40:39Z)
• Evolutionary Neural Architecture Search for Transformer in Knowledge Tracing [8.779571123401185]
  本稿では,入力特徴選択を自動化する進化的ニューラルアーキテクチャ探索手法を提案し,ローカル・グローバル・コンテキスト・モデリングのバランシングを実現するためにどの操作を適用すべきかを自動決定する。 2つの最大かつ最も困難な教育データセットの実験結果は、提案手法によって発見されたアーキテクチャの有効性を実証している。
  論文  参考訳（メタデータ） (2023-10-02T13:19:33Z)
• Automatic Rule Induction for Efficient Semi-Supervised Learning [56.91428251227253]
  半教師付き学習は、少量のラベル付きデータからNLPモデルを一般化できることを約束している。 事前訓練されたトランスモデルはブラックボックス相関エンジンとして機能し、説明が困難であり、時には信頼性に欠ける振る舞いをする。 本稿では,これらの課題に,簡易かつ汎用的なフレームワークであるAutomatic Rule Injection (ARI) を用いて対処することを提案する。
  論文  参考訳（メタデータ） (2022-05-18T16:50:20Z)
• BENDR: using transformers and a contrastive self-supervised learning task to learn from massive amounts of EEG data [15.71234837305808]
  言語モデリング(LM)の手法とアーキテクチャを脳波モデリング(EM)に適用する方法を検討する。 1つの事前学習モデルが、異なるハードウェアで記録された全く新しい生の脳波シーケンスをモデル化できることがわかった。 このモデルの内部表現とアーキテクチャ全体は、さまざまな下流のBCIおよびEEG分類タスクに微調整することができる。
  論文  参考訳（メタデータ） (2021-01-28T14:54:01Z)

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。