論文の概要: Dynamic Intelligence Ceilings: Measuring Long-Horizon Limits of Planning and Creativity in Artificial Systems

• arxiv url: http://arxiv.org/abs/2601.06102v1
• Date: Sat, 03 Jan 2026 00:13:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.569501
• Title: Dynamic Intelligence Ceilings: Measuring Long-Horizon Limits of Planning and Creativity in Artificial Systems
• Title（参考訳）: ダイナミックインテリジェンスシーリング:人工システムにおける計画と創造性の長期限界を測定する
• Authors: Truong Xuan Khanh, Truong Quynh Hoa,
• Abstract要約: 現代のAIシステムの中心的な制限は、それ自体が能力ではなく、パフォーマンスフロンティアの早期固定にある、と我々は主張する。 本稿では,ある時点においてシステムによって達成可能な有効知能の最高レベルとして定義された,EmphDynamic Intelligence Ceiling(DIC)の概念を紹介する。 我々は2つの推定器を用いてDICを運用する: 制限された資源下での最大解答困難を捕捉するEmph Difficulty Ceiling (PDC) と、このフロンティアの時間的進化を定量化するEmphCeiling Drift Rate (CDR) である。
• 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: Recent advances in artificial intelligence have produced systems capable of remarkable performance across a wide range of tasks. These gains, however, are increasingly accompanied by concerns regarding long-horizon developmental behavior, as many systems converge toward repetitive solution patterns rather than sustained growth. We argue that a central limitation of contemporary AI systems lies not in capability per se, but in the premature fixation of their performance frontier. To address this issue, we introduce the concept of a \emph{Dynamic Intelligence Ceiling} (DIC), defined as the highest level of effective intelligence attainable by a system at a given time under its current resources, internal intent, and structural configuration. To make this notion empirically tractable, we propose a trajectory-centric evaluation framework that measures intelligence as a moving frontier rather than a static snapshot. We operationalize DIC using two estimators: the \emph{Progressive Difficulty Ceiling} (PDC), which captures the maximal reliably solvable difficulty under constrained resources, and the \emph{Ceiling Drift Rate} (CDR), which quantifies the temporal evolution of this frontier. These estimators are instantiated through a procedurally generated benchmark that jointly evaluates long-horizon planning and structural creativity within a single controlled environment. Our results reveal a qualitative distinction between systems that deepen exploitation within a fixed solution manifold and those that sustain frontier expansion over time. Importantly, our framework does not posit unbounded intelligence, but reframes limits as dynamic and trajectory-dependent rather than static and prematurely fixed. \vspace{0.5em} \noindent\textbf{Keywords:} AI evaluation, planning and creativity, developmental intelligence, dynamic intelligence ceilings, complex adaptive systems
• Abstract（参考訳）: 人工知能の最近の進歩は、幅広いタスクにまたがって顕著な性能を持つシステムを生み出している。 しかしながら、これらの利得は、持続的な成長よりも反復的なソリューションパターンに収束するシステムが多いため、長期の発達行動に関する懸念がますます伴っている。 現代のAIシステムの中心的な制限は、それ自体が能力ではなく、パフォーマンスフロンティアの早期固定にある、と我々は主張する。 この問題に対処するため,本研究では,現在のリソース,内部意図,構造構成の下で,システムによって達成可能な有効知能の最高レベルとして定義された,‘emph{Dynamic Intelligence Ceiling}(DIC)’の概念を導入する。 この概念を実証的に抽出可能にするために,静的スナップショットではなく移動フロンティアとしてインテリジェンスを測定する軌道中心評価フレームワークを提案する。 本研究では, 資源制約下での最大解き易い難易度を捕捉する \emph{Progressive Difficulty Ceiling} (PDC) と, このフロンティアの時間的進化を定量化する \emph{Ceiling Drift Rate} (CDR) の2つの推定器を用いてDICを運用する。 これらの推定子は、単一の制御環境における長期計画と構造的創造性を共同で評価する手続き的に生成されたベンチマークによってインスタンス化される。 この結果から,固定解多様体内での利用を深くするシステムと,時間とともにフロンティア展開を維持するシステムとの質的な区別が明らかになった。 重要なことは、我々のフレームワークは非バウンドインテリジェンスを仮定しないが、リフレームは静的で未熟な修正よりも動的で軌道に依存している。 \vspace{0.5em} \noindent\textbf{Keywords:} AI評価、計画と創造性、発達インテリジェンス、動的インテリジェンス天井、複雑な適応システム

関連論文リスト

• An Adaptive Multi-Layered Honeynet Architecture for Threat Behavior Analysis via Deep Learning [0.0]
  ADLAHは、AI駆動の騙しプラットフォームのためのエンドツーエンドのアーキテクチャの青写真とビジョンである。 中央決定機構のプロトタイプは、セッションが低相互作用センサーノードから動的にプロビジョニングされた高相互作用ハニーポットにエスカレートされるべきタイミングをリアルタイムで決定する。 選択的エスカレーションと異常検出以外にも、このアーキテクチャはボット攻撃チェーンの自動抽出、クラスタリング、バージョン管理を追求している。
  論文  参考訳（メタデータ） (2025-12-08T18:55:26Z)
• Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
  低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。 これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。 本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
  論文  参考訳（メタデータ） (2025-12-05T08:14:45Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion [64.49056527678606]
  本稿では,U-Net拡散モデルだけでなく,レーダ時間エンコーダにも統合されたトークンワイドアテンションを提案する。 従来の手法とは異なり,本手法は,画素空間拡散の典型的な高資源コストを発生させることなく,アーキテクチャに注意を集中させる。 実験と評価により,提案手法は複雑な降水予測シナリオにおいて,最先端の手法,ロバストネスの局所的忠実度,一般化,優位性を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2025-10-16T17:59:13Z)
• Flexible Swarm Learning May Outpace Foundation Models in Essential Tasks [0.0]
  ファウンデーションモデルはAIを急速に進歩させ、彼らの決定が現実世界のドメインにおける人間の戦略を上回るかどうかという疑問を提起している。 一般的な課題は、複雑なシステムを動的環境に適応させることである。 モノリシックな基盤モデルは、それを克服する上で概念的な限界に直面している、と私たちは主張する。 対話型小型エージェントネットワーク(SAN)の分散アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-07T18:10:31Z)
• How Far are VLMs from Visual Spatial Intelligence? A Benchmark-Driven Perspective [103.44502230776352]
  視覚言語モデル(VLM)における視覚空間推論(VSR)の系統的研究について述べる。 空間インテリジェンスを3つのレベル,すなわち基本的な知覚,空間理解,空間計画,および空間インテリジェンスベンチマークSIBenchに分類した。
  論文  参考訳（メタデータ） (2025-09-23T12:00:14Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• Synergising Human-like Responses and Machine Intelligence for Planning in Disaster Response [10.294618771570985]
  デュアルプロセス理論(DPT)にインスパイアされた注意に基づく認知アーキテクチャを提案する。 このフレームワークは、高速だが(人間のような)応答と、遅いが最適化されたマシンインテリジェンスの計画能力を統合する。
  論文  参考訳（メタデータ） (2024-04-15T15:47:08Z)
• AI Maintenance: A Robustness Perspective [91.28724422822003]
  我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。 本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。 我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
  論文  参考訳（メタデータ） (2023-01-08T15:02:38Z)

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。