Fugu-MT 論文翻訳(概要): A Qualitative Comparative Evaluation of Cognitive and Generative Theories

論文の概要: A Qualitative Comparative Evaluation of Cognitive and Generative Theories

arxiv url: http://arxiv.org/abs/2510.03453v1
Date: Fri, 03 Oct 2025 19:19:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-07 16:52:59.049961
Title: A Qualitative Comparative Evaluation of Cognitive and Generative Theories
Title（参考訳）: 認知理論と生成理論の質的比較
Authors: Paul S. Rosenbloom,
Abstract要約: 評価は認知アーキテクチャに基づく理論にとって非常に難しい活動であることが証明されている。重なり合う理由から、生成的ニューラルアーキテクチャに基づく理論においても評価は難しい。
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: Evaluation is a critical activity associated with any theory. Yet this has proven to be an exceptionally challenging activity for theories based on cognitive architectures. For an overlapping set of reasons, evaluation can also be challenging for theories based on generative neural architectures. This dual challenge is approached here by leveraging a broad perspective on theory evaluation to yield a wide-ranging, albeit qualitative, comparison of whole-mind-oriented cognitive and generative architectures and the full systems that are based on these architectures.
Abstract（参考訳）: 評価はあらゆる理論に関連する重要な活動である。しかし、これは認知アーキテクチャに基づく理論にとって非常に難しい活動であることが証明されている。重なり合う理由から、生成的ニューラルアーキテクチャに基づく理論においても評価は難しい。この2つの課題は、理論評価の広い視点を活用して、広範に定性的であるにもかかわらず、全体ミンド指向の認知・生成アーキテクチャと、これらのアーキテクチャに基づくシステム全体を比較することで解決される。

関連論文リスト

InnoEval: On Research Idea Evaluation as a Knowledge-Grounded, Multi-Perspective Reasoning Problem [87.30601926271864]
InnoEvalは、人間レベルのアイデアアセスメントをエミュレートするために設計された、深いイノベーション評価フレームワークである。我々は,多様なオンライン情報源から動的証拠を検索し,根拠とする異種深層知識検索エンジンを適用した。 InnoEvalをベンチマークするために、権威あるピアレビューされた提案から派生した包括的なデータセットを構築します。
論文参考訳（メタデータ） (2026-02-16T00:40:31Z)
Theory Trace Card: Theory-Driven Socio-Cognitive Evaluation of LLMs [2.98033672654447]
多くの社会的認知的評価は、目標能力の明確な理論的な仕様なしで進行していると論じる。この理論的な根拠がなければ、能力の狭い部分集合のみを行使するベンチマークは、広範能力の証拠として日常的に誤解される。本稿では,社会認知評価に付随する軽量なドキュメントアーティファクトであるTrace Cardを紹介する。
論文参考訳（メタデータ） (2026-01-05T08:06:50Z)
One Model, Two Minds: A Context-Gated Graph Learner that Recreates Human Biases [3.7958475517455947]
本稿では認知科学の二重過程理論に触発された新しい心の理論(ToM)フレームワークを紹介する。我々のモデルは、学習された文脈ゲート機構を通して直観的で熟考的な推論のバランスをとる。この研究は人工知能と認知理論を橋渡しし、曖昧で人間らしい社会的認知と適応的な意思決定能力を示すAIシステムへの道を開く。
論文参考訳（メタデータ） (2025-09-10T15:55:14Z)
How Metacognitive Architectures Remember Their Own Thoughts: A Systematic Review [16.35521789216079]
メタ認知は、人工エージェントの自律性と適応性を高める可能性に大きな注目を集めている。既存の概要は、基礎となるアルゴリズム、表現、そしてそれぞれの成功に気付かない概念レベルに留まっている。
論文参考訳（メタデータ） (2025-02-28T08:48:41Z)
Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文参考訳（メタデータ） (2021-12-03T12:10:26Z)
Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文参考訳（メタデータ） (2021-10-19T02:38:46Z)
Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文参考訳（メタデータ） (2021-05-15T22:55:23Z)
The General Theory of General Intelligence: A Pragmatic Patternist Perspective [0.0]
レビューでは、基礎となる哲学、インテリジェンスの概念の形式化、およびAGIシステムのためのハイレベルアーキテクチャを取り上げている。人間に似た認知アーキテクチャの特質は、これらの一般的な原則の表象として提示される。 OpenCog Hyperonのようなフレームワークにおける高度なAGIの実践的な実装の教訓を簡潔に検討する。
論文参考訳（メタデータ） (2021-03-28T10:11:25Z)
Interpretable Reinforcement Learning Inspired by Piaget's Theory of Cognitive Development [1.7778609937758327]
本稿では,思考の言語(LOTH)やスクリプト理論,ピアジェの認知発達理論などの理論が相補的なアプローチを提供するという考えを楽しませる。提案するフレームワークは,人工知能システムにおいて,人間のような認知を実現するためのステップとみなすことができる。
論文参考訳（メタデータ） (2021-02-01T00:29:01Z)
Recent advances in deep learning theory [104.01582662336256]
本稿では,近年のディープラーニング理論の進歩をレビューし,整理する。文献は,(1)深層学習の一般化可能性を分析する複雑性とキャパシティに基づくアプローチ,(2)勾配降下とその変種をモデル化するための微分方程式とその力学系,(3)動的システムの軌道を駆動する損失景観の幾何学的構造,(5)ネットワークアーキテクチャにおけるいくつかの特別な構造の理論的基礎,の6つのグループに分類される。
論文参考訳（メタデータ） (2020-12-20T14:16:41Z)
Understanding Deep Architectures with Reasoning Layer [60.90906477693774]
本研究では,アルゴリズムの収束,安定性,感度といった特性が,エンドツーエンドモデルの近似と一般化能力と密接に関連していることを示す。私たちの理論は、深いアーキテクチャを推論層で設計するための有用なガイドラインを提供することができます。
論文参考訳（メタデータ） (2020-06-24T00:26:35Z)

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。