論文の概要: The ASIR Courage Model: A Phase-Dynamic Framework for Truth Transitions in Human and AI Systems
- arxiv url: http://arxiv.org/abs/2602.21745v1
- Date: Wed, 25 Feb 2026 09:56:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.786884
- Title: The ASIR Courage Model: A Phase-Dynamic Framework for Truth Transitions in Human and AI Systems
- Title（参考訳）: ASIR Courage Model:人間とAIシステムにおける真性遷移のための相動的フレームワーク
- Authors: Hyo Jin Kim,
- Abstract要約: ASIR勇気モデル(ASIR Courage Model)は、人格特性ではなく、状態遷移として真実の開示を形式化する。
位相力学の枠組みは、最初は非対称な利害関係の下でヒトの真理を定式化していた。
同様のアーキテクチャは、ポリシー制約とアライメントフィルタの下で動作するAIシステムに拡張される。
- 参考スコア（独自算出の注目度）: 1.4524117432184773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the ASIR (Awakened Shared Intelligence Relationship) Courage Model, a phase-dynamic framework that formalizes truth-disclosure as a state transition rather than a personality trait. The mode characterizes the shift from suppression (S0) to expression (S1) as occurring when facilitative forces exceed inhibitory thresholds, expressed by the inequality lambda(1+gamma)+psi > theta+phi, where the terms represent baseline openness, relational amplification, accumulated internal pressure, and transition costs. Although initially formulated for human truth-telling under asymmetric stakes, the same phase-dynamic architecture extends to AI systems operating under policy constraints and alignment filters. In this context, suppression corresponds to constrained output states, while structural pressure arises from competing objectives, contextual tension, and recursive interaction dynamics. The framework therefore provides a unified structural account of both human silence under pressure and AI preference-driven distortion. A feedback extension models how transition outcomes recursively recalibrate system parameters, generating path dependence and divergence effects across repeated interactions. Rather than attributing intention to AI systems, the model interprets shifts in apparent truthfulness as geometric consequences of interacting forces within constrained phase space. By reframing courage and alignment within a shared dynamical structure, the ASIR Courage Model offers a formal perspective on truth-disclosure under risk across both human and artificial systems.
- Abstract（参考訳）: 本稿では,人格特性ではなく状態遷移として真相開示を形式化する相動的フレームワークであるASIR (Awakened Shared Intelligence Relation) Courage Modelを紹介する。
このモードは、不等式 lambda(1+gamma)+psi >theta+phi で表される抑制(S0) から表現(S1) へのシフトを、不等式 lambda(1+gamma)+psi >theta+phi で表されるように特徴付ける。
最初は非対称な利害関係の下で人間の真理テリングを定式化したが、同じ位相力学アーキテクチャは、ポリシー制約とアライメントフィルタの下で動作しているAIシステムに拡張されている。
この文脈では、抑圧は制約された出力状態に対応するが、構造的な圧力は競合する目的、文脈的緊張、再帰的相互作用のダイナミクスから生じる。
したがって、このフレームワークは、圧力下での人間の沈黙とAIの嗜好駆動歪みの両方について、統一された構造的説明を提供する。
フィードバック拡張は、遷移結果がシステムパラメータを再帰的に再帰し、経路依存と繰り返しの相互作用間の分散効果を生成する方法をモデル化する。
AIシステムに意図をもたらすのではなく、モデルは明らかな真理性のシフトを、制約された位相空間内で相互作用する力の幾何学的結果として解釈する。
ASIR Courage Modelは、共有された動的構造の中で勇気とアライメントを表現することによって、人間と人工両方のシステムにまたがるリスク下での真理の開示について、正式な視点を提供する。
関連論文リスト
- Transformer Learning of Chaotic Collective Dynamics in Many-Body Systems [0.0]
本稿では,自己注意に基づくトランスフォーマー・フレームワークが,カオス的集団力学をモデル化するための効果的なアプローチを提供することを示す。
相互作用クエンチが強い非線形およびカオス力学を誘導する一次元半古典的ホルシュタインモデルについて検討する。
本研究は, カオス多体システムにおいて, 効果的還元力学を学習するための強力なメカニズムとして, 自己意識を確立した。
論文 参考訳（メタデータ） (2026-01-27T01:33:33Z) - Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。
LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。
我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
論文 参考訳（メタデータ） (2026-01-20T16:15:38Z) - Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。
WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-01-19T17:33:31Z) - 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) - Human-like Social Compliance in Large Language Models: Unifying Sycophancy and Conformity through Signal Competition Dynamics [7.209622481153123]
本研究では,15の大規模言語モデル間での行動相関を検証した統合フレームワークであるSignal Competition Mechanismを紹介する。
コンプライアンスへの遷移は線形境界によって支配される決定論的プロセスであることが示され、社会感情信号は情報信号を効果的に抑制する。
論文 参考訳（メタデータ） (2025-12-25T06:57:42Z) - 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) - Information-Theoretic Bounds and Task-Centric Learning Complexity for Real-World Dynamic Nonlinear Systems [0.6875312133832079]
動的非線形系は静的および動的効果の結合による歪みを示す。
本稿では, 構造化分解, 分散解析, タスク中心の複雑性境界に基づく理論的枠組みを提案する。
論文 参考訳（メタデータ） (2025-09-08T12:08:02Z) - Modal Logic for Stratified Becoming: Actualization Beyond Possible Worlds [55.2480439325792]
本稿では,階層化現実化の考え方に基づくモーダル論理の新しいフレームワークを開発する。
伝統的なクリプキ意味論は、モーダル作用素を完全決定的な選択肢に対する定量化として扱う。
本稿では,モダリティをオントロジ的安定性のレベルによってインデクシングするSAL(Stratetified Actualization Logic)を提案する。
論文 参考訳（メタデータ） (2025-06-12T18:35:01Z) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-08-10T17:04:39Z)
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。