論文の概要: Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents

• arxiv url: http://arxiv.org/abs/2603.30031v2
• Date: Wed, 01 Apr 2026 15:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.63611
• Title: Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents
• Title（参考訳）: 認知摩擦(Cognitive Friction) - ツール・ユース・エージェントにおける境界記述のための決定論的枠組み
• Authors: Davide Di Gioia,
• Abstract要約: 拘束されないエージェントは、混雑下での過剰なツールの使用、時間の劣化による長期の熟考、曖昧な証拠の下での脆い振る舞いなど、系統的な障害モードを示す。 本稿では,これらの障害モードを認知摩擦(Cognitive Friction)の概念によって形式化する,統一的な意思決定理論フレームワークを提案する。 緊急医療診断グリッドとネットワークセキュリティトリアージグリッドの2つの制御されたシミュレーション環境上で,本フレームワークの有効性を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous tool-using agents operating in networked environments must decide which information source to query and when to stop querying and act. Without principled bounds on information-acquisition costs, unconstrained agents exhibit systematic failure modes: excessive tool use under congestion, prolonged deliberation under time decay, and brittle behavior under ambiguous evidence. We propose the Triadic Cognitive Architecture (TCA), a unified decision-theoretic framework that formalizes these failure modes through the concept of Cognitive Friction. By synthesizing nonlinear filtering theory, congestion-dependent cost dynamics, and HJB optimal stopping, we model deliberation as a stochastic control problem over a joint belief-congestion state space, where information acquisition is explicitly priced by tool-dependent signal quality and live network load. Rather than relying on arbitrary heuristic stop-tokens or fixed query budgets, TCA derives an HJB-inspired stopping boundary and instantiates a computable rollout-based approximation of belief-dependent value-of-information with a net-utility halting condition. We validate the framework on two controlled simulation environments, the Emergency Medical Diagnostic Grid (EMDG) and the Network Security Triage Grid (NSTG), designed to isolate key decision-theoretic quantities under reproducible conditions. TCA reduces time-to-action while improving resource outcomes without degrading accuracy: over greedy baselines, TCA gains 36 viability points in EMDG and 33 integrity points in NSTG. Ablations confirm joint optimization of selection and stopping is essential; stopping rules alone recover at most 4 viability points. A sensitivity sweep over alpha, beta, lambda_S shows stable accuracy and interpretable tradeoffs; an empirical sweep over eta in {0, 0.1, 0.3, 0.5} confirms eta=0 is optimal on EMDG trajectories under high temporal urgency.
• Abstract（参考訳）: ネットワーク環境で動作する自律的なツール利用エージェントは、どの情報ソースをクエリし、いつクエリや動作を停止するかを判断する必要がある。 情報取得コストの原則的な制限がなければ、制約のないエージェントは、混雑下での過剰なツールの使用、時間の減衰による長期の熟考、曖昧な証拠による脆い振る舞いといった、体系的な障害モードを示す。 本稿では,これらの障害モードを認知摩擦(Cognitive Friction)の概念によって形式化する,統合的な意思決定理論フレームワークTCAを提案する。 非線形フィルタリング理論, 渋滞依存コストダイナミクス, およびHJBの最適停止を合成することにより, ツール依存信号品質とライブネットワーク負荷によって情報取得が明示的に価格付けされる連立信念・混雑状態空間上での確率的制御問題として, 議論をモデル化する。 TCAは、任意のヒューリスティックな停止トークンや固定的なクエリ予算に頼るのではなく、HJBにインスパイアされた停止バウンダリを導出し、信頼に依存した情報の計算可能なロールアウトに基づく近似をネット有効性停止条件でインスタンス化する。 再現性のある条件下で重要な決定理論量の分離を目的とした,救急医療診断グリッド (EMDG) とネットワークセキュリティトリアージグリッド (NSTG) の2つの制御されたシミュレーション環境上で,この枠組みを検証した。 TCAは、資源の処理時間を短縮し、精度を低下させることなく、リソースの処理時間を短縮する: 強欲なベースラインを超えると、EMDGでは36の生存ポイント、NSTGでは33の完全ポイントを得る。 アブレーションは選択と停止の共同最適化が不可欠であることを確認する。 0, 0.1, 0.3, 0.5} において eta=0 が EMDG 軌道上で高い時間的緊急度で最適であることを実証的に確認する。

関連論文リスト

• Determinism in the Undetermined: Deterministic Output in Charge-Conserving Continuous-Time Neuromorphic Systems with Temporal Stochasticity [15.346559359976412]
  我々は、ニューラルネットワーク(SNN)をスパイクするための統合された連続時間フレームワークを開発する。 この写像は非巡回ネットワークにおけるスパイクタイミングに厳密に不変であることを示す。 我々はこれらの電荷保存SNNと量子化された人工ニューラルネットワークの正確な表現対応を確立する。
  論文  参考訳（メタデータ） (2026-03-16T23:00:04Z)
• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction [14.888648782445694]
  本稿では,ツール間相互作用の統一表現として,パラメータ化された平衡マニフォールド(EM)を提案する。 我々は,ハプティック推定,オンライン計画,適応剛性制御を統合したクローズドループフレームワークを開発した。 このフレームワークはシミュレーションと260以上の現実世界のスクリューロージング試験によって検証されている。
  論文  参考訳（メタデータ） (2026-03-11T02:57:55Z)
• Logic-Driven Semantic Communication for Resilient Multi-Agent Systems [26.964933264412412]
  6Gネットワークは、大規模な分散マルチエージェントシステムにおいて、自律性とインテリジェンスを加速している。 本稿では2つの相補的な次元に根ざしたMASレジリエンスの形式的定義を提案する。 我々はエージェントアーキテクチャを設計し、エピステミックとアクションレジリエンスの両方を達成するために分散アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2026-01-11T00:54:09Z)
• TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
  造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。 既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。 本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
  論文  参考訳（メタデータ） (2025-12-04T08:44:50Z)
• T3former: Temporal Graph Classification with Topological Machine Learning [4.4924444466378555]
  時間グラフ分類は、サイバーセキュリティ、脳接続分析、トラフィック監視などのアプリケーションにおいて重要な役割を果たす。 我々は、スライドウィンドウトポロジカルおよびスペクトルディスクリプタを1級トークンとして活用し、特殊なディスクリプタ・アテンション機構によって統合された新しいトポロジカル・テンポロジカル・トランスフォーマーT3formerを紹介する。 T3formerは、動的ソーシャルネットワーク、脳機能接続データセット、トラフィックネットワークなど、複数のベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-15T17:46:32Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)

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。