論文の概要: Automated Adversarial Collaboration for Advancing Theory Building in the Cognitive Sciences

• arxiv url: http://arxiv.org/abs/2604.25521v1
• Date: Tue, 28 Apr 2026 11:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.835167
• Title: Automated Adversarial Collaboration for Advancing Theory Building in the Cognitive Sciences
• Title（参考訳）: 認知科学における理論構築の促進のための自動対人協調
• Authors: Suyog Chandramouli, George Kachergis, Akshay Jagadish,
• Abstract要約: 本稿では,競合する理論間の共役を行うための自動対向協調フレームワークを提案する。 このシステムは、LCMに基づく理論エージェント、プログラム合成、閉ループにおける情報理論の実験設計を組み合わせる。
• 参考スコア（独自算出の注目度）: 9.858210301644549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cognitive science often evaluates theories through narrow paradigms and local model comparisons, limiting the integration of evidence across tasks and realizations. We introduce an automated adversarial collaboration framework for adjudicating among competing theories even when the candidate models and experiments must be discovered during the adjudication process. The system combines LLM-based theory agents, program synthesis, and information-theoretic experimental design in a closed loop. In a simulation study spanning three classic categorization theories, the framework recovered the ground-truth theory across noise settings with weaker reliability in the hardest settings. Together, the framework and findings provide a concrete proof of concept for closed-loop, in-silico theory adjudication in cognitive science.
• Abstract（参考訳）: 認知科学は、狭いパラダイムと局所的なモデル比較を通じて理論を評価し、タスクや実現における証拠の統合を制限する。 適応過程において,候補モデルや実験が発見されなければならない場合においても,競合する理論間の共役を行うための自動対向協調フレームワークを導入する。 このシステムは、LCMに基づく理論エージェント、プログラム合成、閉ループにおける情報理論の実験設計を組み合わせる。 3つの古典的分類理論にまたがるシミュレーション研究において、最も厳しい環境での信頼性の低い騒音環境における地中構造理論を復元した。 この枠組みと知見は、認知科学における閉ループ、シリカ理論の適応に関する概念の具体的な証明を提供する。

関連論文リスト

• Beyond the Black Box: Theory and Mechanism of Large Language Models [39.10631426330405]
  LLM(Large Language Models)の急速な台頭は、人工知能において大きなパラダイムシフトを引き起こした。 本調査では,データ作成,モデル作成,トレーニング,アライメント,推論,評価の6つの段階に,研究環境を整理するライフサイクルベースの統合分類法を提案する。
  論文  参考訳（メタデータ） (2026-01-06T10:45:53Z)
• Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows [203.3527268311731]
  PIM(Practical Inquiry Model)に基づく運用SGI定義を提案する。 深層研究、アイデア生成、ドライ/ウェット実験、実験推論の4つのタスクを通じて運用しています。 私たちのPIMによる定義、ワークフロー中心のベンチマーク、実証的な洞察は、真に科学的な発見に参加するAIシステムの基盤を確立します。
  論文  参考訳（メタデータ） (2025-12-18T12:44:36Z)
• Newton to Einstein: Axiom-Based Discovery via Game Design [55.30047000068118]
  本稿では,ルール進化システムとして科学調査を再放送するゲームデザインフレームワークを提案する。 固定された仮定内で動作する従来のMLアプローチとは異なり、本手法は新たな理論構造の発見を可能にする。
  論文  参考訳（メタデータ） (2025-09-05T18:59:18Z)
• Emergent Cognitive Convergence via Implementation: A Structured Loop Reflecting Four Theories of Mind [0.0]
  我々は、心の4つの影響力のある理論の間に構造的な収束を報告する。 収束は、エージェントフローと呼ばれる実用的なAIアーキテクチャの中で意図せずに現れる。 本稿では,知的アーキテクチャが,実践的制約によって形成される共有構造パターンへと進化する可能性を示唆する。
  論文  参考訳（メタデータ） (2025-07-22T02:54:45Z)
• Hypothesis-Driven Theory-of-Mind Reasoning for Large Language Models [76.6028674686018]
  エージェントの精神状態を追跡するための推論時間推論アルゴリズムである思考トレースを導入する。 提案アルゴリズムは,ベイズ理論をモデルとした。 本研究は,様々なベンチマークにおける思考トレーシングを評価し,大幅な性能向上を実証した。
  論文  参考訳（メタデータ） (2025-02-17T15:08:50Z)
• Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
  自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。 我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。 我々は、理論的な主張を合成データ実験で裏付ける。
  論文  参考訳（メタデータ） (2024-06-01T18:01:03Z)
• Bayesian Co-navigation: Dynamic Designing of the Materials Digital Twins via Active Learning [1.1057473962658189]
  自動および自律的な実験装置への理論の統合は、科学研究を加速するための重要な目標として浮上している。 本稿では,理論モデル空間と実験のベイズ的共ナビゲーションを通じて,理論をループに統合する手法を提案する。 ここでは強誘電体材料における機能応答の文脈で実証されているが、我々のアプローチはより広範な応用を約束する。
  論文  参考訳（メタデータ） (2024-04-19T14:11:32Z)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)
• Interpretable Reinforcement Learning Inspired by Piaget's Theory of Cognitive Development [1.7778609937758327]
  本稿では,思考の言語(LOTH)やスクリプト理論,ピアジェの認知発達理論などの理論が相補的なアプローチを提供するという考えを楽しませる。 提案するフレームワークは,人工知能システムにおいて,人間のような認知を実現するためのステップとみなすことができる。
  論文  参考訳（メタデータ） (2021-02-01T00:29:01Z)

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。