論文の概要: LLM-Assisted Iterative Evolution with Swarm Intelligence Toward SuperBrain
- arxiv url: http://arxiv.org/abs/2509.00510v1
- Date: Sat, 30 Aug 2025 14:12:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.2648
- Title: LLM-Assisted Iterative Evolution with Swarm Intelligence Toward SuperBrain
- Title（参考訳）: スーパーブレインに向けての群知能を用いたLDM支援反復進化
- Authors: Li Weigang, Pedro Carvalho Brom, Lucas Ramson Siefert,
- Abstract要約: 本稿では,大規模言語モデル(LLM)と人間ユーザの共進化を基盤とした,集団知能のための新しい枠組みを提案する。
静的なプロンプトエンジニアリングや分離されたエージェントシミュレーションとは異なり、我々の手法はサブクラス脳からスーパークラス脳への動的経路を強調する。
この作業は、概念的基盤と、スケーラブルで説明可能な、整合した集合AIに向けたアーキテクチャロードマップの両方を提供する。
- 参考スコア（独自算出の注目度）: 2.2494083541321466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a novel SuperBrain framework for collective intelligence, grounded in the co-evolution of large language models (LLMs) and human users. Unlike static prompt engineering or isolated agent simulations, our approach emphasizes a dynamic pathway from Subclass Brain to Superclass Brain: (1) A Subclass Brain arises from persistent, personalized interaction between a user and an LLM, forming a cognitive dyad with adaptive learning memory. (2) Through GA-assisted forward-backward evolution, these dyads iteratively refine prompts and task performance. (3) Multiple Subclass Brains coordinate via Swarm Intelligence, optimizing across multi-objective fitness landscapes and exchanging distilled heuristics. (4) Their standardized behaviors and cognitive signatures integrate into a Superclass Brain, an emergent meta-intelligence capable of abstraction, generalization and self-improvement. We outline the theoretical constructs, present initial implementations (e.g., UAV scheduling, KU/KI keyword filtering) and propose a registry for cross-dyad knowledge consolidation. This work provides both a conceptual foundation and an architectural roadmap toward scalable, explainable and ethically aligned collective AI.
- Abstract（参考訳）: 我々は,大規模言語モデル(LLM)と人間の共進化を基盤とした,集団知能のための新しいSuperBrainフレームワークを提案する。
静的なプロンプトエンジニアリングやエージェントシミュレーションとは違って,本手法ではサブクラス脳からスーパークラス脳への動的経路を強調している。(1) サブクラス脳は,ユーザとLLM間の永続的,パーソナライズされたインタラクションから生じ,適応学習メモリを備えた認知ダイアドを形成する。
2) GA支援前方後進進化を通じて, これらのダイアドは反復的にプロンプトとタスク性能を改良する。
(3)複数のサブクラス脳座標をSwarm Intelligenceを用いて調整し、多目的フィットネスランドスケープを最適化し、蒸留されたヒューリスティックを交換する。
(4) 標準化された行動と認知的シグネチャは、抽象、一般化、自己改善が可能な創発的なメタ知能であるスーパークラス脳に統合される。
本稿では, 理論的構成, 初期実装(UAVスケジューリング, KU/KIキーワードフィルタリングなど)について概説し, クロスダイド知識統合のためのレジストリを提案する。
この作業は、概念的基盤と、スケーラブルで説明可能な、倫理的に整合したAIに向けたアーキテクチャロードマップの両方を提供する。
関連論文リスト
- Lilith: Developmental Modular LLMs with Chemical Signaling [49.1574468325115]
人工知能の現在のパラダイムは、神経レベルでの脳活動をモデル化するフィードフォワードネットワークの層に依存している。
我々は,モジュール型言語モデルの発達訓練と,ブレインインスパイアされたトークンベースの通信プロトコルを組み合わせた,新しいアーキテクチャLILITHを提案する。
論文 参考訳（メタデータ） (2025-07-06T23:18:51Z) - Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。
我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。
我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
論文 参考訳（メタデータ） (2025-07-01T16:52:25Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントな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。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - The Thousand Brains Project: A New Paradigm for Sensorimotor Intelligence [0.5032786223328559]
私たちは、AIの代替的な補完的な形式を開発するための、現在進行中の研究プロジェクトであるSagare Brains Projectについて概説する。
多様なタスクを素早く学習するのに適した感覚運動エージェントである1000脳システムの初期バージョンを提示する。
我々は、数千の脳システムの設計を動機づける鍵となる原則を概説し、モンティの実装の詳細、そしてそのようなシステムの最初のインスタンス化について述べます。
論文 参考訳（メタデータ） (2024-12-24T11:32:37Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z)
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。