論文の概要: Measuring Progress Toward AGI: A Cognitive Framework
- arxiv url: http://arxiv.org/abs/2605.28405v1
- Date: Wed, 27 May 2026 12:39:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:56.051075
- Title: Measuring Progress Toward AGI: A Cognitive Framework
- Title（参考訳）: AGIに向けての進歩を計測する:認知フレームワーク
- Abstract要約: AGIに向けた進捗を測定するための明確な枠組みは存在しない。
本稿では,人間の認知能力に関するシステム能力を理解するための枠組みを提案する。
本稿では,対象とする認知タスクの集合に対して,システムの性能を計測する厳密な評価プロトコルを提案する。
- 参考スコア（独自算出の注目度）: 41.45715025577419
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite widespread discussion of AGI, there is no clear framework for measuring progress toward it. This ambiguity fuels subjective claims, makes it difficult to track progress, and risks hindering responsible governance. As a starting point to address this gap, we present a framework for understanding system capabilities in relation to human cognitive abilities. Drawing from decades of research in psychology, neuroscience, and cognitive science, we introduce a Cognitive Taxonomy that deconstructs general intelligence into 10 key cognitive faculties. We then propose a rigorous evaluation protocol in which a system's performance is measured across a suite of targeted, held-out cognitive tasks, generating a 'cognitive profile' that can be used to understand a system's strengths and weaknesses. We hope this framework will provide a practical roadmap and an initial step toward more rigorous, empirical evaluation of AGI.
- Abstract（参考訳）: AGIについて広く議論されているが、それに向けた進捗を測定するための明確な枠組みは存在しない。
この曖昧さは主観的な主張を後押しし、進捗の追跡を困難にし、責任あるガバナンスを妨げるリスクを生じさせる。
このギャップに対処するための出発点として,人間の認知能力に関するシステム能力を理解するための枠組みを提案する。
心理学、神経科学、認知科学における数十年の研究から引き出された認知分類学は、一般知能を10つの重要な認知能力に分解する。
次に,システムの強みや弱点を理解するのに使用できる「認知プロファイル」を生成するための厳密な評価プロトコルを提案する。
このフレームワークは、AGIのより厳密で実証的な評価に向けて、実用的なロードマップと最初のステップを提供することを期待しています。
関連論文リスト
- A Taxonomy of Cognitive Capability Gaps in Generative and Agentic AI [4.077787659104315]
本稿では,認知AIの発達を抑え続ける主要な認知能力のギャップについて,分類学的に考察した。
本稿では,アダプティブ・コグニティブ・インテリジェンス・アーキテクチャ(ACIA)を概説し,認知中心評価における新たな方向性を検討する。
論文 参考訳（メタデータ） (2026-08-03T17:37:38Z) - Multi-Dimensional Assessment for AI Cognition (MAAC): A Theoretical Framework for Process-Oriented Cognitive Evaluation of Text-Based AI Systems [1.8262547855491456]
本稿では,テキストベースのAIシステムが生み出すものから,その考え方に移行するためのフレームワークである,多次元AI認知のためのアセスメント(MAAC)を紹介する。
MAACは認知負荷、ツール実行、コンテンツ品質、メモリ統合、複雑性ハンドリング、幻覚制御、知識伝達、処理効率、プロセスアウトカムアライメントの9つの認知的動機付けディメンションを定義している。
5つの理論的分析は、フレームワークのコヒーレンスと経験的テスト容易性の最初のサポートを提供する。
論文 参考訳（メタデータ） (2026-08-01T14:01:17Z) - A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。
応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。
我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
論文 参考訳（メタデータ） (2026-03-11T07:40:53Z) - Cognitive Warfare: Definition, Framework, and Case Study [3.357544650969485]
本稿では、認知戦の統一的な定義を提案し、OODAループに根ざした相互作用フレームワークを導入し、認知優位性に関連する測定可能な属性を同定する。
フレームワークの使用を説明するために、論文ケーススタディでは、これらの概念が、競合する環境における認知的攻撃と防御を評価するためにどのように適用できるかを実証している。
論文 参考訳（メタデータ） (2026-03-05T14:34:44Z) - AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - A Definition of AGI [208.25193480759026]
人工知能の具体的な定義の欠如は、今日の専門的なAIと人間レベルの認知のギャップを曖昧にしている。
そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。
論文 参考訳（メタデータ） (2025-10-21T01:28:35Z) - Think Socially via Cognitive Reasoning [94.60442643943696]
本稿では,人間の社会的認知をモデルとした認知推論について紹介する。
CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
論文 参考訳（メタデータ） (2025-09-26T16:27:29Z) - Invisible Architectures of Thought: Toward a New Science of AI as Cognitive Infrastructure [0.0]
認知基盤研究(CIS)は、AIを「認知基盤」として再認識する新たな学際分野である。
CISは、AIによる事前処理が、個人、集団、文化の規模で分散認知をどのように認識するかを解決することを目的としている。
論文 参考訳（メタデータ） (2025-06-19T15:33:47Z) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - How Metacognitive Architectures Remember Their Own Thoughts: A Systematic Review [16.35521789216079]
メタ認知は、人工エージェントの自律性と適応性を高める可能性に大きな注目を集めている。
既存の概要は、基礎となるアルゴリズム、表現、そしてそれぞれの成功に気付かない概念レベルに留まっている。
論文 参考訳（メタデータ） (2025-02-28T08:48:41Z) - Computational Metacognition [2.0552049801885746]
計算メタ認知は、統合された人工システムにおける高次推論に対する認知システムの観点から表される。
本稿では,メタレベルの目標操作と学習によって認識を変化させることで,計算メタ認知がパフォーマンスを向上することを示す。
論文 参考訳（メタデータ） (2022-01-30T17:34:53Z)
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。