論文の概要: WorldKernel: A World Model is the Coupling Kernel of Admissible Possible Worlds

• arxiv url: http://arxiv.org/abs/2606.10934v1
• Date: Tue, 09 Jun 2026 14:44:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.557333
• Title: WorldKernel: A World Model is the Coupling Kernel of Admissible Possible Worlds
• Title（参考訳）: WorldKernel: 世界モデルは許容可能な世界の結合カーネル
• Authors: Fabio Rovai,
• Abstract要約: 一般的な仮定は、十分な観測データと介入データがあり、十分強力な予測器に与えられる、というものである。 数百もの構造因果モデルにおいて、特定量において強い予測器とベイズ基底線が成功している。 しかし、特定されていない量では、強い予測器が一点に崩壊し、真理は許容可能な間隔であり、より多くのデータが狭くなることはない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A common assumption holds that enough observational and interventional data, given to a strong enough predictor, suffices. We report a failure mode that contradicts it. Across hundreds of structural causal models, on identified quantities a strong predictor and a Bayesian baseline both succeed, but on unidentified quantities (the couplings between counterfactual worlds) the predictor collapses to a point, on 28% of models to one no valid model can produce, while the truth is an admissible interval more data never narrows. The gap is structural: prediction cannot represent uncertainty over counterfactual couplings. We cast a world model as a single positive semidefinite coupling kernel K(T,T') over admissible worlds, whose diagonal is the ordinary posterior (what a predictor recovers) and whose off-diagonal is the cross-world coupling it cannot, which every counterfactual reads. The paper is the theory of that off-diagonal. It is real: two states with identical posteriors differ on a cross-world query, and the off-diagonal is the coupling that fixes counterfactuals. It can be bounded: positive semidefiniteness is partial-identifying information the marginals lack, and enforcing it bounds counterfactuals in polynomial time where the exact response-type program is intractable. Logical structure sharpens it: ontology axioms tighten the bound by up to a third, propagating to couplings they never touch. It can be acquired: targeted scars, constraints learned from encountered infeasibilities, close the gap several times faster than untargeted ones. Its full reconstruction is approximate counting of the admissible worlds, tractable below the Sly-Sun threshold and inapproximable above; we do not claim to beat the worst case.
• Abstract（参考訳）: 一般的な仮定は、十分な観測データと介入データがあり、十分強力な予測器に与えられる、というものである。 私たちはそれと矛盾する障害モードを報告します。 何百もの構造因果モデルにおいて、特定量において強い予測器とベイズ基底線が成功するが、未同定量(反現実世界間の結合)では、予測器は1点に崩壊する。 このギャップは構造的であり、予測は反現実的結合に対する不確実性を表すことはできない。 我々は、一つの正の半定値カップリングカーネルK(T,T')を許容世界の上に配置し、その対角線が通常の後部(予測器が回復するもの)であり、対角線が不可能なクロスワールドカップリングであり、すべての対角線が読み取る。 The paper is the theory of that off-diagonal―the theory of that off-diagonal. 実際には、同じ後方を持つ2つの状態は、世界横断的なクエリで異なり、オフ対角形は、偽物を修正する結合である。 正半定性(英: positive semidefiniteness)は、限界が欠落している部分的識別情報であり、正の応答型プログラムが難解な多項式時間で反事実を束縛する。 オントロジー公理は境界を最大3分の1まで締め付け、決して触れない結合に伝播する。 ターゲットの傷跡、遭遇した不確実性から学んだ制約、未目標のものよりも数倍早くギャップを閉じる。 その完全な復元は、Sly-Sunしきい値以下で、上述の近似不可能な、許容可能な世界を近似的に数えることである。

関連論文リスト

• The Attribution Impossibility: No Feature Ranking Is Faithful, Stable, and Complete Under Collinearity [0.0]
  機能がコリニアである場合には,機能ランキングを忠実に,安定的に,かつ完全なものにすることはできない。 この不合理性を証明し、4つのモデルクラスを定量化し、アンサンブル平均化(DASH)によってそれを解決し、305のLean 4定理でそれをマシン検証する。 設計空間の定理、診断、そして不合理性はLean 4(16の公理から305の定理、残念なことに0の定理)で機械的に検証されます。
  論文  参考訳（メタデータ） (2026-04-08T10:11:45Z)
• The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes [0.0]
  Digital Twin Counterfactual Framework (DTCF) 五段階検証アーキテクチャは、シミュレーターが正しい反事実を生成できるという不当な主張を、観測可能なデータに対する偽証可能なテストに変換する。 分解は因果量から極端に検証されるものへと分離する。 共同因果関係の主張は明示的な前提付きとなる。
  論文  参考訳（メタデータ） (2026-04-01T19:04:15Z)
• Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback [50.89125374999765]
  NLHFにおける最適乗算重み更新(mathtOMWU$)に対する最初の収束保証を提供する。 本分析では, 稀に発生する行動の確率が指数関数的に小さい値から指数関数的に増大する新たな限界収束挙動を同定する。
  論文  参考訳（メタデータ） (2025-12-31T12:08:29Z)
• Fundamental limits to contrast reversal of self-fidelity correlations [0.0]
  測定設計においては、アンチコントラストのリードアウトを設計することが一般的である。 広義の入力アンサンブルに対して2つの進化を均一に反対にできるかどうかを問う。 我々は、ピアソン相関係数を、2つの進化の間の大域的対立のデバイスに依存しない尺度として採用する。
  論文  参考訳（メタデータ） (2025-09-30T15:07:28Z)
• A U-turn on Double Descent: Rethinking Parameter Counting in Statistical Learning [68.76846801719095]
  二重降下がいつどこで起こるのかを正確に示し、その位置が本質的に閾値 p=n に結び付けられていないことを示す。 これは二重降下と統計的直観の間の緊張を解消する。
  論文  参考訳（メタデータ） (2023-10-29T12:05:39Z)
• Information-Theoretic Limits and Strong Consistency on Binary Non-uniform Hypergraph Stochastic Block Models [0.0]
  非一様ハイパーグラフブロックモデル(HSBM)の下でのランダムハイパーグラフの教師なし分類問題 本稿では,クラスタリング精度と強い一貫性しきい値に対する情報理論の限界を確立する。
  論文  参考訳（メタデータ） (2023-06-12T03:38:25Z)
• Rethinking Knowledge Graph Evaluation Under the Open-World Assumption [65.20527611711697]
  ほとんどの知識グラフ(KG)は不完全であり、知識グラフを自動補完する重要な研究トピックの動機となっている。 すべての未知の三つ子を偽として扱うことは、閉世界仮定(close-world assumption)と呼ばれる。 本稿では,KGCの評価を,より現実的な条件,すなわちオープンワールドの仮定の下で研究する。
  論文  参考訳（メタデータ） (2022-09-19T09:01:29Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)

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。