論文の概要: From Fuzzy to Exact: The Halo Architecture for Infinite-Depth Reasoning via Rational Arithmetic
- arxiv url: http://arxiv.org/abs/2601.18702v2
- Date: Sun, 01 Feb 2026 07:13:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 15:03:50.586533
- Title: From Fuzzy to Exact: The Halo Architecture for Infinite-Depth Reasoning via Rational Arithmetic
- Title（参考訳）: ファジィからエクササイズへ:合理的算術による無限深度推論のためのハロアーキテクチャ
- Authors: Hansheng Ren,
- Abstract要約: 一般知性の基盤である高次因果推論は、論理的に一貫した算術をサポートする基質を要求する。
我々は、計算基礎を近似実数から正確な有理数へ遷移させるtextbfHalo Architectureを提案する。
我々の研究は、正確な算術を推論可能なAGIを前進させるには不可能であると仮定し、検証可能で拡張可能なAIシステムへのハードウェアとソフトウェアの共同設計のパスを提供する。
- 参考スコア（独自算出の注目度）: 0.10152838128195464
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The pursuit of scale in deep learning has entrenched a trade-off: computational throughput is prioritized at the expense of numerical precision. We argue this compromise is fundamentally at odds with the requirements of general intelligence. We propose the \textbf{Exactness Hypothesis}: high-order causal reasoning -- a cornerstone of AGI -- demands a substrate supporting \textbf{arbitrary-precision, logically consistent arithmetic}. We trace prevalent LLM failures, such as logical hallucinations and incoherence, to the inherent limitations of IEEE 754 floating-point arithmetic, where approximation errors compound catastrophically in deep functions. As a solution, we present the \textbf{Halo Architecture}, which transitions the computational foundation from approximate reals ($\mathbb{R}$) to exact rationals ($\mathbb{Q}$). Halo is realized through a custom \textbf{Exact Inference Unit (EIU)}, whose design -- featuring asynchronous MIMD reduction and dual-modular redundancy -- resolves the performance and reliability bottlenecks of exact computation at scale. In rigorous simulations, 600B-parameter BF16 models fail in chaotic systems within steps, while Halo sustains \textbf{perfect numerical fidelity} indefinitely. Our work posits exact arithmetic as non-negotiable for advancing reasoning-capable AGI and provides a co-designed hardware-software path toward verifiable, exascale-ready AI systems.
- Abstract（参考訳）: ディープラーニングにおけるスケールの追求はトレードオフを招き、計算スループットは数値的精度を犠牲にして優先される。
この妥協は、基本的には一般知能の要求に反するものであると我々は主張する。
我々は、高次因果推論(AGIの基盤となる)は、 textbf{arbitrary-precision, logically consistent arithmetic} をサポートする基質を要求する。
我々は、論理的幻覚や不整合といったLLMの失敗をIEEE 754浮動小数点演算の固有の限界に遡り、近似誤差は深い関数で破滅的に複雑になる。
解として、計算基礎を近似実数($\mathbb{R}$)から正確な有理数($\mathbb{Q}$)へ遷移させる「textbf{Halo Architecture}」を示す。
Haloはカスタムの \textbf{Exact Inference Unit (EIU) を通じて実現され、その設計 -- 非同期MIMDの削減とデュアルモジュール冗長性 -- は、スケールでの正確な計算のパフォーマンスと信頼性のボトルネックを解決する。
厳密なシミュレーションでは600BパラメータBF16モデルはステップ内のカオスシステムでは失敗し、一方Haloは無期限に \textbf{perfect numerical fidelity} を維持できる。
我々の研究は、推論可能なAGIを前進させるために正確な算術を交渉不可能とみなし、検証可能で拡張可能なAIシステムへのハードウェアとソフトウェアの共同設計のパスを提供する。
関連論文リスト
- Milestones over Outcome: Unlocking Geometric Reasoning with Sub-Goal Verifiable Reward [67.00373428443879]
サブゴールレベルの評価と学習へのパラダイムシフトを導入する。
まず,厳密な形式検証データエンジンを用いたベンチマークであるGeoGoalを構築した。
本研究では,スケルトンレートに基づいて,スパース信号を高密度な報酬に置き換えるサブゴール検証リワード(SGVR)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-08T16:17:56Z) - HERMES: Towards Efficient and Verifiable Mathematical Reasoning in LLMs [32.234133057592935]
Hermesはツール支援エージェントで、リーンシステムにおける検証段階と非公式な推論をインターリーブする。
パラメータスケールの異なる LLM を用いて,Hermes を4つの挑戦的数学的推論ベンチマークで評価する。
論文 参考訳（メタデータ） (2025-11-24T04:50:18Z) - AI Agents as Universal Task Solvers [94.49762121230042]
我々は,過去のデータを用いて,普遍的な解法が達成できる最適なスピードアップが,アルゴリズム情報と密接な関係があることを示す。
我々は、推論モデルをスケールする際に最適化する重要な量は時間であり、学習における重要な役割は、これまでは間接的にのみ考慮されてきたと論じている。
論文 参考訳（メタデータ） (2025-10-14T02:17:54Z) - Hallucination as a Computational Boundary: A Hierarchy of Inevitability and the Oracle Escape [9.737202904844562]
大規模言語モデル(LLM)のイリュージョン現象は、信頼性の高いデプロイメントにおける中核的な障害である。
本稿では,「計算必要階層」を構築することにより,大規模言語モデルを確率的チューリングマシンとして定式化する。
2つの「エスケープルート」を提案する。1つは「コンピュータジャンプ」による絶対脱出を証明し、レトリーバル拡張世代(RAG)をオラクルマシンとしてモデル化することである。
論文 参考訳（メタデータ） (2025-08-10T13:26:36Z) - Can LLMs Reason Abstractly Over Math Word Problems Without CoT? Disentangling Abstract Formulation From Arithmetic Computation [39.50584137093401]
ファイナルアンサーベースのメトリクスは、数学の単語問題に対する大規模言語モデル(LLM)の評価に一般的に使用される。
計算ステップにより,CoTを含まないLlama-3とQwen2.5(1B-32B)の問合せ精度が圧倒的にボトルネックとなることを示す。
メカニカルには、これらの2つのスキルは、推論ステップなしで、1つのフォワードパスにおいてさえ共役的に構成されていることが示される。
論文 参考訳（メタデータ） (2025-05-29T17:37:57Z) - Oracle Computability and Turing Reducibility in the Calculus of
Inductive Constructions [0.0]
インダクティブ・コンストラクションの計算におけるオラクル計算可能性とチューリング再現性の概念を総合的に展開する。
通常、合成手法では、メタレベル関数に基づいたオラクル計算の定義を用いる。
チューリングの再現性は上半格子を形成し、決定可能性を持ち、真理値の再現性よりも厳密に表現可能であることを示す。
論文 参考訳（メタデータ） (2023-07-28T13:16:46Z) - Efficient Computation of Counterfactual Bounds [44.4263314637532]
我々は,構造因果モデルのサブクラスにおけるクレダルネットのアルゴリズムを用いて,正確な反ファクト境界を計算する。
近似の精度を信頼性のある間隔で評価する。
論文 参考訳（メタデータ） (2023-07-17T07:59:47Z) - Statistically Meaningful Approximation: a Case Study on Approximating
Turing Machines with Transformers [50.85524803885483]
本研究は,統計的学習性を示すために近似ネットワークを必要とする統計有意(SM)近似の形式的定義を提案する。
回路とチューリングマシンの2つの機能クラスに対するSM近似について検討する。
論文 参考訳（メタデータ） (2021-07-28T04:28:55Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - From Checking to Inference: Actual Causality Computations as
Optimization Problems [79.87179017975235]
本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。
8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
論文 参考訳（メタデータ） (2020-06-05T10:56:52Z)
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。