論文の概要: Human Simulation Computation: A Human-Inspired Framework for Adaptive AI Systems

• arxiv url: http://arxiv.org/abs/2601.13887v1
• Date: Tue, 20 Jan 2026 12:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.29802
• Title: Human Simulation Computation: A Human-Inspired Framework for Adaptive AI Systems
• Title（参考訳）: Human Simulation Computation: 適応AIシステムのためのヒューマンインスパイアされたフレームワーク
• Authors: Hong Su,
• Abstract要約: HSC(Human Computation Simulation)は、思考、行動、学習、リフレクション、活動スケジューリングを含む、継続的な閉ループプロセスとしてインテリジェンスをモデル化する。 HSCは、内部推論プロセスのすべての段階にわたって一般的に使用される人間の思考戦略を取り入れている。 理論的分析を通じて、人間のシミュレーション戦略は言語資料だけでは学べないと主張している。
• 参考スコア（独自算出の注目度）: 0.11844977816228043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have demonstrated strong capabilities in knowledge representation and reasoning based on textual data. However, their reliance on language material alone limits their ability to adapt, verify reasoning outcomes, and operate effectively in open and dynamic real-world environments. In this paper, we propose Human Simulation Computation (HSC), a human-inspired computational framework that models intelligence as a continuous, closed-loop process involving thinking, action, learning, reflection, and activity scheduling, collectively referred to as the internal reasoning process. HSC emphasizes active participation both within the internal reasoning process and in interactions with the environment, where actions are used not only to achieve goals but also to automatically refine and improve internal reasoning mechanisms without external intervention. Furthermore, HSC incorporates commonly used human thinking strategies across all stages of the internal reasoning process, such as main-feature-oriented reasoning, scope expansion through action, and on-time learning driven by environmental feedback. Through theoretical analysis, we argue that human simulation strategies cannot be fully learned from language material alone, and that human-like reasoning processes and action-grounded reasoning methods are essential for robust adaptation and effective interaction with real-world environments.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、テキストデータに基づく知識表現と推論において強力な能力を示している。 しかし、言語資料のみへの依存は、適応し、推論結果を確認し、オープンでダイナミックな現実世界環境で効果的に動作する能力を制限する。 本稿では,思考,行動,学習,リフレクション,行動スケジューリングを含む連続的で閉ループプロセスとしてインテリジェンスをモデル化する,人間にインスパイアされた計算フレームワークであるヒューマンシミュレーション計算(HSC)を提案する。 HSCは、内的推論プロセスと環境との相互作用の両方において活発な関与を強調しており、そこでは行動は目的を達成するだけでなく、外部の介入なしに内部的推論機構を自動的に洗練・改善するためにも使われる。 さらに、HSCは、主機能指向推論、行動によるスコープ拡大、環境フィードバックによって駆動されるリアルタイム学習など、内部推論プロセスのすべての段階において一般的に使用される人間の思考戦略を取り入れている。 理論的分析を通じて、人間のシミュレーション戦略は言語資料だけでは学べず、人間のような推論プロセスとアクショングラウンドの推論手法は、現実の環境との堅牢な適応と効果的な相互作用に不可欠である、と論じる。

関連論文リスト

• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• Thinking by Doing: Building Efficient World Model Reasoning in LLMs via Multi-turn Interaction [53.745458605360675]
  効率的な相互作用とアクティブ推論(WMAct)による世界モデル内在化を探求する。 WMActは、モデルを構造化推論から解放し、モデルがその実行を通じて思考を直接形作ることを可能にする。 ソコバン, 迷路, タクシーの実験から, WMActは一つのターンでタスクを解決できる効果的な世界モデル推論を導出することを示した。
  論文  参考訳（メタデータ） (2025-11-28T18:59:47Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Shall We Team Up: Exploring Spontaneous Cooperation of Competing LLM Agents [18.961470450132637]
  本稿では、エージェントが文脈に深く関与し、明示的な指示なしに適応的な決定を行う自然現象の重要性を強調する。 我々は,3つの競争シナリオにまたがる自発的な協力を探究し,協力の段階的出現をシミュレートした。
  論文  参考訳（メタデータ） (2024-02-19T18:00:53Z)
• Rational Sensibility: LLM Enhanced Empathetic Response Generation Guided by Self-presentation Theory [8.439724621886779]
  LLM(Large Language Models)の開発は、人間中心の人工知能(AGI)に希望の光を与えている。 共感は人間にとって重要な感情的属性として機能し、人間中心のAGIにおいて不定の役割を果たす。 本稿では,社会学における自己表現理論にインスパイアされた革新的なエンコーダモジュールを設計する。
  論文  参考訳（メタデータ） (2023-12-14T07:38:12Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)

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。