論文の概要: Predictive Assistance and the Temporal Dynamics of Exploratory Compression
- arxiv url: http://arxiv.org/abs/2606.10094v1
- Date: Mon, 08 Jun 2026 19:18:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-10 15:40:58.153725
- Title: Predictive Assistance and the Temporal Dynamics of Exploratory Compression
- Title（参考訳）: 探索圧縮の予測支援と時間ダイナミクス
- Authors: Balaraju Battu,
- Abstract要約: 本稿では,ドリフトの安定化,内因性探索摂動,応答性強化学習によって形成される戦略の景観に注意を向ける動的枠組みを開発する。
結果は、予測システムは探索的認知の幾何学自体を再構築する可能性があることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical theories of cognition describe problem solving as exploratory search through structured problem spaces in which repeated interaction gradually compresses search into efficient representational structures. Predictive artificial intelligence systems introduce a distinct regime in which stabilization may occur before exploratory diversification unfolds, supplying solutions and decision trajectories prior to internally generated search. This paper develops a geometric dynamical framework in which attention evolves over a landscape of strategies shaped by stabilizing drift, endogenous exploratory perturbation, and responsiveness-gated learning. Predictive assistance is modeled as a process of exogenous exploratory compression that stabilizes trajectories before self-generated exploration broadens the accessible regions of strategy space. The framework yields three main results. First, sustained predictive stabilization reduces exploratory responsiveness by attenuating the effective influence of intrinsic perturbations even when exploratory variability remains present. Second, curvature accumulates and relaxes asymmetrically, producing hysteresis and delayed recovery of exploratory mobility after assistance withdrawal. Third, developmental outcomes depend critically on the timing of stabilization, with early intervention narrowing future exploratory traversal before broad representational diversification has occurred. The framework generates empirically testable predictions concerning exploratory entropy, premature convergence, and delayed recovery following predictive stabilization. More broadly, the results suggest that predictive systems may reshape the geometry of exploratory cognition itself.
- Abstract（参考訳）: 認知の古典的理論は、繰り返しの相互作用が徐々に効率的な表現構造へと探索を圧縮する構造付き問題空間を探索的に探索する問題解を記述している。
予測的人工知能システムは、探索的な多様化が展開する前に安定化が起こり、内部で生成された探索の前にソリューションと決定軌道を供給している。
本稿では,ドリフトの安定化,内因性探索摂動,応答性強化学習によって形成される戦略の景観に注意を向ける幾何学的動的枠組みを開発する。
予測支援は、自己生成探索が戦略空間のアクセス可能な領域を広げる前に軌道を安定化する外因性探索圧縮のプロセスとしてモデル化される。
このフレームワークは3つの主要な結果をもたらす。
第一に、持続的な予測安定化は、探索変数が存在する場合でも固有の摂動の効果的な影響を減らし、探索応答性を低下させる。
第二に、曲率は非対称に蓄積・緩和し、ヒステリシスを発生させ、補助離脱後の探索運動の回復を遅らせる。
第三に、発達結果は安定化のタイミングに大きく依存しており、初期の介入は、広範囲な表現の多様化が起こる前に、将来の探索軌道を狭める。
このフレームワークは、探索エントロピー、早期収束、および予測安定化後の遅延回復に関する実験的に検証可能な予測を生成する。
より広範に、予測システムは探索的認知そのものの幾何学を再形成する可能性があることを示唆している。
関連論文リスト
- Continual Segmentation under Joint Nonstationarity [8.522964568257455]
進化するデータストリームは連続的なセマンティックセグメンテーションにおいて関節の非定常性を誘導する。
この設定は、実際に構築された予測システムを反映しているが、従来の連続的な学習作業では、ほとんど探索されていない。
連成クラス,ドメイン,ラベルのシフトの下で連続的なセグメンテーションを定式化し,異種密接な予測環境における学習について検討する。
論文 参考訳（メタデータ） (2026-05-19T22:20:00Z) - Taming Sampling Perturbations with Variance Expansion Loss for Latent Diffusion Models [22.168463445392856]
遅延拡散モデルが高忠実かつ効率的な画像生成の主流のフレームワークとして登場した。
摂動をサンプリングする堅牢性は、生成品質を決定する上で重要な役割を担っていることを示す。
本研究では,強い再構成を維持しつつ,摂動をサンプリングする潜在空間を堅牢に構築する手法を提案する。
論文 参考訳（メタデータ） (2026-03-22T06:56:12Z) - Kalman-Inspired Runtime Stability and Recovery in Hybrid Reasoning Systems [1.9544213396776273]
我々はカルマンにインスパイアされた観点からハイブリッド推論システムの安定性について研究する。
本稿では,イノベーション統計を監視し,新たな不安定性を検出し,リカバリを意識した制御機構を起動するランタイム安定化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-24T11:29:57Z) - Emergence of Superposition: Unveiling the Training Dynamics of Chain of Continuous Thought [64.43689151961054]
有向グラフ到達性問題に対する簡易な2層変圧器のトレーニング力学を理論的に解析する。
分析の結果,連続的思考を用いたトレーニングでは,まずインデックスマッチングロジットが増加し,その後は軽度な仮定の下で拘束されることがわかった。
論文 参考訳（メタデータ） (2025-09-27T15:23:46Z) - Rethinking Spatio-Temporal Anomaly Detection: A Vision for Causality-Driven Cybersecurity [22.491097360752903]
我々は,空間的分散インフラにおける異常検出の促進を目的とした因果学習の視点を提唱する。
我々は因果グラフプロファイリング、多視点融合、連続因果グラフ学習の3つの主要な方向を特定し定式化する。
我々の目的は、拡張性、適応性、説明性、空間的根拠を持つ異常検出システムに向けた新しい研究軌道を構築することである。
論文 参考訳（メタデータ） (2025-07-10T21:19:28Z) - Self-Organizing Graph Reasoning Evolves into a Critical State for Continuous Discovery Through Structural-Semantic Dynamics [0.0]
エージェントグラフ推論システムは,連続的な意味的発見を持続する臨界状態に向かって自然に進化することを示す。
意味的エントロピーが構造的エントロピーよりも支配的な微妙で頑健な体制を同定する。
本研究は,工学的知能システムにおいて,長期的発見と適応のための本質的な能力を持つ実践的戦略を提供する。
論文 参考訳（メタデータ） (2025-03-24T16:30:37Z) - Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。
MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。
時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
論文 参考訳（メタデータ） (2024-04-25T12:47:47Z) - Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
本稿では、因果的観点からの包括的ミニマックス分析について述べる。
最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。
本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
論文 参考訳（メタデータ） (2021-07-05T09:07:29Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳（メタデータ） (2020-06-19T21:04:47Z) - Towards Understanding the Adversarial Vulnerability of Skeleton-based
Action Recognition [133.35968094967626]
骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。
ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。
異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
論文 参考訳（メタデータ） (2020-05-14T17:12:52Z)
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。