論文の概要: The Agentic Leash: Extracting Causal Feedback Fuzzy Cognitive Maps with LLMs

• arxiv url: http://arxiv.org/abs/2601.00097v1
• Date: Wed, 31 Dec 2025 20:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.257512
• Title: The Agentic Leash: Extracting Causal Feedback Fuzzy Cognitive Maps with LLMs
• Title（参考訳）: エージェントリーシュ:LLMを用いた因果フィードバックファジィ認知地図の抽出
• Authors: Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko,
• Abstract要約: 原文から因果フィードバックファジィ認知地図(FCM)を抽出する大規模言語モデル(LLM)エージェントを設計する。 特に、3つの微調整されたシステム命令がLLMエージェントを案内し、テキストから名詞や名詞句を体系的に抽出することを示す。 我々は、このFCM世代を、後期外交官で政治理論家であるHenry Kissinger氏によるAIの約束に関する最近のエッセイでテストする。
• 参考スコア（独自算出の注目度）: 0.13999481573773068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We design a large-language-model (LLM) agent that extracts causal feedback fuzzy cognitive maps (FCMs) from raw text. The causal learning or extraction process is agentic both because of the LLM's semi-autonomy and because ultimately the FCM dynamical system's equilibria drive the LLM agents to fetch and process causal text. The fetched text can in principle modify the adaptive FCM causal structure and so modify the source of its quasi-autonomy--its equilibrium limit cycles and fixed-point attractors. This bidirectional process endows the evolving FCM dynamical system with a degree of autonomy while still staying on its agentic leash. We show in particular that a sequence of three finely tuned system instructions guide an LLM agent as it systematically extracts key nouns and noun phrases from text, as it extracts FCM concept nodes from among those nouns and noun phrases, and then as it extracts or infers partial or fuzzy causal edges between those FCM nodes. We test this FCM generation on a recent essay about the promise of AI from the late diplomat and political theorist Henry Kissinger and his colleagues. This three-step process produced FCM dynamical systems that converged to the same equilibrium limit cycles as did the human-generated FCMs even though the human-generated FCM differed in the number of nodes and edges. A final FCM mixed generated FCMs from separate Gemini and ChatGPT LLM agents. The mixed FCM absorbed the equilibria of its dominant mixture component but also created new equilibria of its own to better approximate the underlying causal dynamical system.
• Abstract（参考訳）: 原文から因果フィードバックファジィ認知地図(FCM)を抽出する大規模言語モデル(LLM)エージェントを設計する。 因果学習または抽出プロセスは、LLMの半自律性と、最終的にFCM力学系の平衡により、LLMエージェントが因果テキストの取得と処理を行うため、エージェント的である。 フェッチされたテキストは、原則として適応的なFCM因果構造を修正でき、従ってその準自律性-すなわち平衡極限サイクルと固定点引き付け回路のソースを変更することができる。 この双方向プロセスは、エージェントレッシュに留まりながら、ある程度の自律性を持つ進化中のFCM動的システムを実現する。 特に、3つの微調整されたシステム命令列が、それらの名詞と名詞句からFCM概念ノードを抽出し、それらのFCMノード間の部分的またはファジィ因果エッジを抽出または推論することにより、LLMエージェントを系統的にテキストからキー名詞と名詞句を抽出することを示す。 我々は、このFCM世代を、後期外交官で政治理論家であるHenry Kissinger氏らによるAIの約束に関する最近のエッセイでテストする。 この3段階のプロセスは、人間の生成したFCMがノード数とエッジ数で異なるにもかかわらず、人間の生成したFCMと同じ平衡極限サイクルに収束するFCM力学系を生成した。 最後のFCMは、別々のGeminiおよびChatGPT LLMエージェントから生成されたFCMを混合する。 混合FCMは、支配的な混合成分の平衡を吸収すると同時に、基礎となる因果力学系をよりよく近似するために、独自の平衡も生成した。

関連論文リスト

• BrainCSD: A Hierarchical Consistency-Driven MoE Foundation Model for Unified Connectome Synthesis and Multitask Brain Trait Prediction [33.650792366699385]
  機能的および構造的接続(FC/SC)は、脳分析の鍵となるバイオマーカーであるが、その臨床的有用性は、高価な取得、複雑な前処理、そして頻繁に欠落するモダリティによって妨げられている。 我々は、FC/SCバイオマーカーを共同で合成し、下流デコードタスク(診断と予測)をサポートする階層的混合専門家基盤モデルであるBrainCSDを提案する。 FC RMSE:0.038、SC RMSE:0.006、脳年齢予測(MAE:4.04年)、MMSEスコア(MAE:1.72点)
  論文  参考訳（メタデータ） (2025-11-07T04:40:47Z)
• Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation [0.0]
  本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。 その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
  論文  参考訳（メタデータ） (2025-07-03T11:20:22Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Controlled Causal Hallucinations Can Estimate Phantom Nodes in Multiexpert Mixtures of Fuzzy Cognitive Maps [0.0]
  フィードバック因果モデルの適応的マルチエキスパート混合は、大規模因果モデルにおいて欠落ノードや幻ノードを近似することができる。 混合モデルは、その主極限サイクル平衡を近似することでサンプリングされた力学系を近似する。
  論文  参考訳（メタデータ） (2024-12-31T23:01:32Z)
• Uncertainty-Aware Hybrid Inference with On-Device Small and Remote Large Language Models [49.48313161005423]
  ハイブリッド言語モデル(HLM)アーキテクチャは、モバイル端末で動作する小さな言語モデル(SLM)と、無線ネットワークの基地局(BS)にホストされる大きな言語モデル(LLM)を統合する。 HLMトークン生成プロセスは、投機的推論の原則に従っている: SLMの語彙分布はLSMにアップロードされ、LPMによって再サンプリングされる。 本研究では,不確実性を考慮したHLM (Uncertainty-aware opportunistic HLM) という新しいHLM構造を提案する。
  論文  参考訳（メタデータ） (2024-12-17T09:08:18Z)
• Soft Measures for Extracting Causal Collective Intelligence [2.1948331804353223]
  ファジィ認知マップ(FCM)と呼ばれる方向グラフは、因果精神モデルを符号化するための強力なツールを提供する。 本研究では,大規模言語モデル(LLM)を用いてFCM抽出を自動化する手法を提案する。 グラフに基づく新しい類似度尺度を導入し,その出力と人間の判断を関連づけて評価する。
  論文  参考訳（メタデータ） (2024-09-27T16:54:36Z)
• Beyond Task Performance: Evaluating and Reducing the Flaws of Large Multimodal Models with In-Context Learning [105.77733287326308]
  我々は,3Bから80Bパラメータスケールまでの最近のオープンソースLMMを,幻覚,禁忌,構成性,説明可能性,指示に従う5つの異なる軸で評価した。 トレーニングフリーなインコンテキスト学習(ICL)をソリューションとして検討し、それがこれらの制限に与える影響について検討する。 ICL研究に基づき、ICLをさらに推し進め、Multitask-ICL、Chain-of-Hindsight-ICL、Self-Correcting-ICLといった新しい多モードICL変種を提案する。
  論文  参考訳（メタデータ） (2023-10-01T12:02:59Z)
• Separating Stimulus-Induced and Background Components of Dynamic Functional Connectivity in Naturalistic fMRI [13.112514419777593]
  背景雑音から脳機能的接続性(FC)の刺激駆動動的変化を分離するための新しいデータ駆動アプローチを提案する。 共有低ランク部分空間を復元するために,低ランク行列の行間の差に対する融合型ペナルティを導入する。 融合PCPを解くために,乗算器の線形化交互方向法による効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-01-24T11:35:39Z)

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。