論文の概要: Agentic Chunking and Bayesian De-chunking of AI Generated Fuzzy Cognitive Maps: A Model of the Thucydides Trap

• arxiv url: http://arxiv.org/abs/2605.17903v1
• Date: Mon, 18 May 2026 06:07:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.909909
• Title: Agentic Chunking and Bayesian De-chunking of AI Generated Fuzzy Cognitive Maps: A Model of the Thucydides Trap
• Title（参考訳）: AI生成ファジィ認知マップのエージェントチャンキングとベイジアンデチャンキング--トゥキディデストラップのモデル
• Authors: Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko,
• Abstract要約: テキストからフィードバック因果ファジィ認知マップ(FCM)を生成し、計算モデルエージェントにテキストを重なり合うチャンクに分割するように教える。 チャンクFCMは依然として混合され、新しいFCM因果知識グラフを形成している。 これらの混合技術は、アリソンの『Thucydides Trap』モデルのエッセイテキストで、アメリカ合衆国のような支配的な勢力と中国のような上昇する勢力との間の対立を実証する。
• 参考スコア（独自算出の注目度）: 0.13999481573773068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We automatically generate feedback causal fuzzy cognitive maps (FCMs) from text by teaching large-language-model agents to break the text into overlapping chunks of text. Convex mixing of these chunk FCMs gives a representative cyclic FCM knowledge graph. The text chunks can have different levels of overlap. The chunk FCMs still mix to form a new FCM causal knowledge graph. The mixing technique scales because it uses light computation with sparse causal chunk matrices. The mixing structure allows an operator-level type of Bayesian inference that produces "de-chunked" or posterior-like FCMs from the mixed FCM. These de-chunked FCMs are useful in their own right and allow further iterations of Bayesian updating. We demonstrate these mixing techniques on the essay text of Allison's "Thucydides Trap" model of conflict between a dominant power such as the United States and a rising power such as China. The FCM dynamical systems predict outcomes as they equilibrate to fixed-point or limit-cycle attractors. Seven out of 8 FCM knowledge graphs predicted a type of war when we stimulated them by turning on and keeping on the concept node that stands for the rising power's ambition and entitlement. Gemini 3.1 LLMs served as the chunking AI agents.
• Abstract（参考訳）: テキストからフィードバック因果ファジィ認知マップ(FCM)を自動生成し,大言語モデルエージェントにテキストを重なり合うチャンクに分割するように教える。 これらのチャンク FCM の凸混合は、典型的な巡回 FCM 知識グラフを与える。 テキストチャンクは、異なるレベルの重複を持つことができます。 チャンクFCMは依然として混合され、新しいFCM因果知識グラフを形成している。 このミキシング技術は、スパース因果チャンク行列を用いた光計算を利用するため、スケールする。 混合構造は、混合されたFCMから「非チャンク」または後続的なFCMを生成する演算子レベルのベイズ型推論を可能にする。 これらの非チャンク型FCMは、独自のやり方で有用であり、ベイジアン更新のさらなるイテレーションを可能にする。 これらの混合技術は、アリソンの『Thucydides Trap』モデルのエッセイテキストで、アメリカ合衆国のような支配的な勢力と中国のような上昇する勢力との間の対立を実証する。 FCM力学系は、固定点または極限サイクルの引力に等しくなると結果を予測する。 8つのFCMの知識グラフのうち7つは、上昇するパワーの野心と権利を表わす概念ノードをオンにし、維持することで、戦争を刺激すると予測した。 Gemini 3.1 LLMはチャンクAIエージェントとして機能した。

関連論文リスト

• The Agentic Leash: Extracting Causal Feedback Fuzzy Cognitive Maps with LLMs [0.13999481573773068]
  原文から因果フィードバックファジィ認知地図(FCM)を抽出する大規模言語モデル(LLM)エージェントを設計する。 特に、3つの微調整されたシステム命令がLLMエージェントを案内し、テキストから名詞や名詞句を体系的に抽出することを示す。 我々は、このFCM世代を、後期外交官で政治理論家であるHenry Kissinger氏によるAIの約束に関する最近のエッセイでテストする。
  論文  参考訳（メタデータ） (2025-12-31T20:06:48Z)
• The Trojan in the Vocabulary: Stealthy Sabotage of LLM Composition [31.827344197678126]
  トケナイザー移植はサプライチェーンの脆弱性を導入する。 係数再利用の幾何学を利用して、我々の攻撃は非対称的な実現可能性ギャップを生み出す。 実験的に、攻撃は訓練なしで、スペクトルの模倣を達成し、異常検出を回避する。
  論文  参考訳（メタデータ） (2025-12-31T19:00:03Z)
• Cooperative Pseudo Labeling for Unsupervised Federated Classification [62.9387841396335]
  Unsupervised Federated Learning (UFL)は、データを共有したりラベル情報にアクセスしたりすることなく、分散クライアント間でグローバルモデルを協調的にトレーニングすることを目的としている。 我々は、新しい方法、 underlinetextbfFederated underlinetextbfCooperative underlinetextbfPseudo underlinetextbfLabeling (textbfFedCoPL)を提案する。 特に、一般的な画像特徴を含む視覚的プロンプトをサーバに集約し、パーソナライズされた知識をコードするテキストプロンプトをローカルに保持する。
  論文  参考訳（メタデータ） (2025-10-11T08:18:26Z)
• Causal Autoencoder-like Generation of Feedback Fuzzy Cognitive Maps with an LLM Agent [0.13999481573773068]
  大規模言語モデル(LLM)は、フィードバック因果ファジィ認知マップ(FCM)をテキストにマッピングし、テキストからFCMを再構築する。 この説明可能なAIシステムは、FCMからそれ自身へのアイデンティティマップを近似し、オートエンコーダ(AE)の操作に似ている。
  論文  参考訳（メタデータ） (2025-09-29T23:33:53Z)
• Blockwise SFT for Diffusion Language Models: Reconciling Bidirectional Attention and Autoregressive Decoding [60.06816407728172]
  離散拡散言語モデルは、テキスト生成に強い可能性を示している。 半自己回帰推論による微調整ミスアライメントの標準化 我々は、応答を固定サイズブロックに分割するBlockwise SFTを提案する。
  論文  参考訳（メタデータ） (2025-08-27T02:49:33Z)
• Controlled Causal Hallucinations Can Estimate Phantom Nodes in Multiexpert Mixtures of Fuzzy Cognitive Maps [0.0]
  フィードバック因果モデルの適応的マルチエキスパート混合は、大規模因果モデルにおいて欠落ノードや幻ノードを近似することができる。 混合モデルは、その主極限サイクル平衡を近似することでサンプリングされた力学系を近似する。
  論文  参考訳（メタデータ） (2024-12-31T23:01:32Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Content Popularity Prediction Based on Quantized Federated Bayesian Learning in Fog Radio Access Networks [76.16527095195893]
  キャッシュ可能なフォグラジオアクセスネットワーク(F-RAN)におけるコンテンツ人気予測問題について検討する。 そこで本研究では,コンテンツ要求パターンをモデル化するためのガウス過程に基づく回帰器を提案する。 我々はベイズ学習を利用してモデルパラメータを訓練する。
  論文  参考訳（メタデータ） (2022-06-23T03:05:12Z)

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。