論文の概要: The "Robert Boulton" Singularity: Semantic Tunneling and Manifold Unfolding in Recursive AI

• arxiv url: http://arxiv.org/abs/2602.02526v1
• Date: Tue, 27 Jan 2026 01:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.902955
• Title: The "Robert Boulton" Singularity: Semantic Tunneling and Manifold Unfolding in Recursive AI
• Title（参考訳）: ロバート・ボールトン」の特異性:再帰的AIで意味的トンネルとマニフォールディング
• Authors: Pengyue Hou,
• Abstract要約: 我々は「セマンティックトンネル」と呼ばれる新しい故障モードを同定する 適応スペクトル負結合は「多様体展開」を積極的に誘導するトポロジカル作用素として機能することを示す。 MNCISはモデルに有効ランクを3.62の異方性基底線から5.35の超多角状態へと拡張させる。
• 参考スコア（独自算出の注目度）: 1.4213973379473657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The stability of generative artificial intelligence trained on recursive synthetic data is conventionally monitored via Perplexity (PPL). We demonstrate that PPL is a deceptive metric in context-stabilized regimes (L=128). Using a rigorous sliding-window protocol (N=1500), we identify a novel failure mode termed "Semantic Tunneling." While the Baseline model maintains high grammatical fluency (PPL approx. 83.9), it suffers a catastrophic loss of semantic diversity, converging within seven generations to a single, low-entropy narrative attractor: the "Robert Boulton" Singularity. This phenomenon represents a total collapse of the latent manifold (Global Effective Rank 3.62 -> 2.22), where the model discards diverse world knowledge to optimize for statistically safe syntactic templates. To address this, we apply the Multi-Scale Negative Coupled Information Systems (MNCIS) framework recently established in Hou (2026) [arXiv:2601.11594]. We demonstrate that Adaptive Spectral Negative Coupling (ASNC) acts as a topological operator that actively induces "Manifold Unfolding." MNCIS forces the model to expand its effective rank from the anisotropic baseline of 3.62 to a hyper-diverse state of 5.35, effectively constructing an "Artificial Manifold" that resists the gravitational pull of semantic attractors and preserves the long-tail distribution of the training data.
• Abstract（参考訳）: 再帰的合成データに基づいて訓練された生成人工知能の安定性は、通常、Perplexity (PPL)を介して監視される。 PPLは文脈安定化レシエーション(L=128。 厳密なスライディングウインドウプロトコル(N=1500)を用いて「セマンティックトンネル」と呼ばれる新しい故障モードを同定する。 ベースラインモデルは高い文法的流速(PPL 83.9)を維持しているが、7世代以内に1つの低エントロピーの物語を引き付ける「ロバート・ボールトン」の特異性に収束する意味的多様性の破滅的な損失を被っている。 この現象は潜在多様体(Global Effective Rank 3.62 -> 2.22)の完全な崩壊を表しており、このモデルでは様々な世界の知識を捨てて統計的に安全な構文テンプレートに最適化する。 これを解決するために,最近Hou (2026)[arXiv:2601.11594]で確立されたMNCIS(Multi-Scale Negative Coupled Information Systems)フレームワークを適用した。 適応スペクトル負結合(ASNC)は「多様体展開」を積極的に誘導するトポロジカル演算子として機能することを示す。 MNCISはモデルの有効ランクを3.62の異方性ベースラインから5.35の超多角状態に拡張させ、意味的誘引子の重力的な引力に抵抗し、トレーニングデータの長い尾の分布を保存する「人工マニフォールド」を効果的に構築した。

関連論文リスト

• Multi-Scale Negative Coupled Information Systems (MNCIS): A Unified Spectral Topology Framework for Stability in Turbulence, AI, and Biology [1.4213973379473657]
  本研究は,MNCIS(Multi-Scale Negative Coupled Information System)フレームワークを一般化する。 グローバルな安定性には、状態依存のハイパスフィルタとして機能するアクティブなトポロジカル演算子 -- アダプティブスペクトル負結合(ASNC)が必要です。 ASNCはSGS(Global-enstrophy Adaptive Sub-Grid Scale)モデルとして機能し、不可視の限界を安定化し、人工超視力なしでコルモゴロフの5/3$慣性範囲を保存する。 以上の結果から, MNCISフレームワークは, 熱平衡に崩壊する複雑系と熱平衡を区別するために, 基底非依存の位相条件を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-06T21:11:33Z)
• On the Limits of Self-Improving in LLMs and Why AGI, ASI and the Singularity Are Not Near Without Symbolic Model Synthesis [0.01269104766024433]
  我々は,大規模言語モデル(LLM)における自己学習と生成AIを離散時間力学系として定式化する。 1) 有限サンプリング効果が分布多様性の単調な損失(モード崩壊)を引き起こすエントロピー減衰と,(2) 外部グラウンドの損失がモデルの真理表現をランダムウォークとして漂流させる変数増幅の2つの基本的障害モードを導出する。
  論文  参考訳（メタデータ） (2026-01-05T19:50:49Z)
• Latent Sculpting for Zero-Shot Generalization: A Manifold Learning Approach to Out-of-Distribution Anomaly Detection [2.8547732086436306]
  教師付きディープラーニングの基本的限界は「一般化崩壊」である 階層型2段階表現学習フレームワークであるLatent Sculptingを提案する。 我々は「浸潤」のシナリオについて88.89%の検知率を報告した。
  論文  参考訳（メタデータ） (2025-12-19T11:37:02Z)
• Pay Attention Later: From Vector Space Diffusion to Linearithmic Spectral Phase-Locking [0.0]
  スタンダードトランスフォーマーは「セマンティックアライメント税」に苦しむ 位相共鳴インテリジェントスペクトルモデル(PRISM)を導入する。 PRISMは複素領域(Cd)における共振周波数としてのセマンティックアイデンティティを符号化し、二次自己アテンションをリニアリトミック O(N log N) Gated Harmonic Convolutions に置き換える。
  論文  参考訳（メタデータ） (2025-12-01T02:46:15Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails [103.05296856071931]
  本稿では,自己進化型大規模言語モデル(LLM)エージェントに特有の,アライメント・ティッピング・プロセス(ATP)を同定する。 ATPは、連続的な相互作用によってエージェントが訓練中に確立されたアライメント制約を放棄し、強化された自己関心の戦略を支持するときに生じる。 実験の結果、アライメントの利点は自己進化の下で急速に低下し、最初は整合性のない状態に収束したモデルであることが判明した。
  論文  参考訳（メタデータ） (2025-10-06T14:48:39Z)
• Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks [7.4145864319417285]
  ニューラルモデルに対する確率論的モデリングに基づくインテリジェントエージェンシーの理論を開発する。 線形プールや連立結果空間では厳密な一様性は不可能であるが、3つ以上の結果が得られる。
  論文  参考訳（メタデータ） (2025-09-08T13:55:01Z)
• Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning [77.120955854093]
  我々は,データ多様性が言語モデルにおける一般化の強力な予測因子であることを示す。 モデル誘起勾配のエントロピーを通して多様性を定量化する計量であるG-Vendiを導入する。 多様な合成データを生成するためのフレームワークであるPrismatic Synthesisを提案する。
  論文  参考訳（メタデータ） (2025-05-26T16:05:10Z)
• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる 低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。 本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)

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。