論文の概要: Analogy making as amortised model construction

• arxiv url: http://arxiv.org/abs/2507.16511v1
• Date: Tue, 22 Jul 2025 12:16:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:14.102153
• Title: Analogy making as amortised model construction
• Title（参考訳）: 模擬モデル構築としてのアナロジー形成
• Authors: David G. Nagy, Tingke Shen, Hanqi Zhou, Charley M. Wu, Peter Dayan,
• Abstract要約: 人間は、新しい状況をナビゲートするために内部モデルを構築します。 これらのプロセスにおいて類推が中心的な役割を担っていると我々は主張する。 従来のコンストラルから派生した抽象モジュールが、新しいモジュールの組み立て可能なビルディングブロックとして機能するフレームワークをスケッチする。
• 参考スコア（独自算出の注目度）: 5.895315872876525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans flexibly construct internal models to navigate novel situations. To be useful, these internal models must be sufficiently faithful to the environment that resource-limited planning leads to adequate outcomes; equally, they must be tractable to construct in the first place. We argue that analogy plays a central role in these processes, enabling agents to reuse solution-relevant structure from past experiences and amortise the computational costs of both model construction (construal) and planning. Formalising analogies as partial homomorphisms between Markov decision processes, we sketch a framework in which abstract modules, derived from previous construals, serve as composable building blocks for new ones. This modular reuse allows for flexible adaptation of policies and representations across domains with shared structural essence.
• Abstract（参考訳）: 人間は、新しい状況をナビゲートするために、柔軟に内部モデルを構築します。 有効にするためには、これらの内部モデルはリソース制限された計画が適切な結果をもたらす環境に十分忠実でなければならない。 これらのプロセスにおいて類似性は中心的な役割を果たしており、エージェントは過去の経験から解関連構造を再利用し、モデル構築(コンストラクショナル)と計画の両方の計算コストを償却することができる。 マルコフ決定過程の間の部分準同型として類似を定式化することにより、従来のコンストラルから派生した抽象加群が、新しいものに対する構成可能なビルディングブロックとして機能する枠組みをスケッチする。 このモジュラー再利用は、共有構造的本質を持つ領域にまたがるポリシーと表現の柔軟な適応を可能にする。

関連論文リスト

• Modular Delta Merging with Orthogonal Constraints: A Scalable Framework for Continual and Reversible Model Composition [0.0]
  既存のモデルマージと継続的学習へのアプローチは、しばしばタスクの干渉、破滅的な忘れ込み、あるいは可逆性の欠如に悩まされる。 本稿では, 拡張性, 干渉フリー, 微調整モデルの構成が可能な新しいフレームワークである Orthogonal Constraints (MDM-OC) を用いた Modular Delta Merging を提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:08:49Z)
• Intervening to learn and compose disentangled representations [8.452837716541705]
  本稿では,非絡み付き潜在構造を同時に学習する任意表現型生成モデルの学習手法を提案する。 これは、任意の複雑な既存のデコーダブロックのヘッドに単純なデコーダのみのモジュールを追加することで実現される。 因果的グラフィカルモデルへの介入の概念に触発されて、我々のモジュールはトレーニング中にアーキテクチャを選択的に修正し、異なるコンテキストでコンパクトなジョイントモデルを学ぶことができる。
  論文  参考訳（メタデータ） (2025-07-07T08:30:27Z)
• Flexible Language Modeling in Continuous Space with Transformer-based Autoregressive Flows [46.673228292287895]
  本稿では,連続表現のモデル化にトランスフォーマーに基づく自己回帰正規化フローを用いた新しいフレームワークを提案する。 このアプローチは大きな柔軟性を解放し、グローバルな双方向コンテキストをキャプチャ可能なモデルの構築を可能にします。 離散データによって形成される潜在空間内の複雑な依存関係をキャプチャする混合結合変換を提案する。
  論文  参考訳（メタデータ） (2025-07-01T04:51:25Z)
• Hierarchical Modeling and Architecture Optimization: Review and Unified Framework [0.6291443816903801]
  本稿では、構造化された入力空間に関する文献をレビューし、既存のアプローチを一般化する統一的なフレームワークを提案する。 変数は、その値が他の命令された変数の存在を支配すればメタとして記述され、条件付きおよび階層構造をモデル化できる。
  論文  参考訳（メタデータ） (2025-06-27T20:38:57Z)
• DISP-LLM: Dimension-Independent Structural Pruning for Large Language Models [62.98273649512654]
  大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて顕著な成功を収めた。 これらのモデルに関連するメモリと計算コストの増加は、リソース制限されたデバイスへの展開に重大な課題をもたらす。 そこで本研究では,構造解析手法によって課される制約を緩和する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-10-15T18:51:18Z)
• Compositional Structures in Neural Embedding and Interaction Decompositions [101.40245125955306]
  ニューラルネットワークにおけるベクトル埋め込みにおける線形代数構造間の基本的な対応について述べる。 相互作用分解」の観点から構成構造の特徴づけを導入する。 モデルの表現の中にそのような構造が存在するためには、必要かつ十分な条件を確立する。
  論文  参考訳（メタデータ） (2024-07-12T02:39:50Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• Deep Learning for Individual Heterogeneity [5.075506385456813]
  本稿では,深層ニューラルネットワーク(DNN)を構造経済モデルに統合する。 経済構造と機械学習は、代替品ではなく経験的モデリングの補完である。
  論文  参考訳（メタデータ） (2020-10-28T01:41:47Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)

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。

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。