Fugu-MT 論文翻訳(概要): BFF: Simple explanations for complex phenomena

論文の概要: BFF: Simple explanations for complex phenomena

arxiv url: http://arxiv.org/abs/2607.01483v1
Date: Wed, 01 Jul 2026 21:24:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.595686
Title: BFF: Simple explanations for complex phenomena
Title（参考訳）: BFF:複雑な現象の簡単な説明
Abstract要約: 計算スープ中のペア相互作用は、自己複製子を見つける効果的な方法であると主張する。我々は、プログラム空間における単純な突然変異ランダムウォークを用いて、自己複製子を少なくとも簡単に発見できるという代替仮説を探求する。
参考スコア（独自算出の注目度）: 4.504902185019815
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The ''Computational Life'' paper (Agüera y Arcas et al., 2024) argues that paired interactions in a computational soup are an effective way to find self-replicators. In this work, aided by recent developments in self-replicator detection, we explore the alternate hypothesis that self-replicators can be found at least as easily using simple mutation random walks in program space. We also explore the claim that capping the maximum ''depth'' and ''width'' of the ancestry tree stops self-replicators from emerging, showing instead that it merely stops self-replicators from taking over the soup.
Abstract（参考訳）: 計算生命」論文 (Agüera y Arcas et al , 2024) では、計算スープ中の対の相互作用は自己複製子を見つける効果的な方法であると主張している。本研究は, 自己複製子検出の最近の進歩に助けられ, プログラム空間における単純な突然変異ランダムウォークを用いて, 少なくとも容易に自己複製子を見つけることができるという仮説を探求する。また、系統樹の「深度」と「幅」を最大に抑えることで自己複製者が出現するのを防ぎ、単に自己複製者がスープを乗っ取るのを止めるという主張も検討している。

関連論文リスト

Co-evolution of self-replication and function in a digital primordial soup [4.677439892464849]
自己複製は、デジタル・プライマー・スープ・ダイアル内で自然に起こる」本稿では,この創発的自己複製と問題解決能力の共進化について考察する。
論文参考訳（メタデータ） (2026-07-10T08:59:25Z)
AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration [175.74514061083195]
提案するAutoResearchClawは,5つのメカニズムに基づいて構築されたマルチエージェント自律型研究パイプラインである。 25トピックの実験ステージベンチマークであるARC-Benchでは、AutoResearchClawがAI Scientist v2を54.7%上回っている。
論文参考訳（メタデータ） (2026-05-19T15:49:51Z)
Rethinking Self-Replication: Detecting Distributed Selfhood in the Outlier Cellular Automaton [0.0]
細胞性オートマトンにおける自然自己複製は、長い間稀であると考えられてきた。我々はそのような複製が無力化できるという公式な因果的証拠を提示する。
論文参考訳（メタデータ） (2025-08-11T14:49:11Z)
Open-ended Scientific Discovery via Bayesian Surprise [63.26412847240136]
AutoDSは、ベイジアン・サプライズを用いた科学探査を駆動する、オープンエンドの科学的発見の方法である。我々はAutoDSを、生物学、経済学、金融学、行動科学といった21の領域にまたがる実世界のデータセットにまたがるデータ駆動ディスカバリの設定で評価する。
論文参考訳（メタデータ） (2025-06-30T22:53:59Z)
Computational Life: How Well-formed, Self-replicating Programs Emerge from Simple Interaction [37.95302339577743]
本研究では,無作為で非自己複製プログラムが明示的なフィットネス環境を欠く環境に置かれる場合,自己複製プログラムが出現する傾向があることを示す。また,自己複製器の出現に伴い,複雑なダイナミクスが出現し続けていることを示す。
論文参考訳（メタデータ） (2024-06-27T11:34:35Z)
A Theoretical Understanding of Self-Correction through In-context Alignment [51.622068973630796]
大規模言語モデル(LLM)は自己補正によって純粋に能力を向上させることができる。 LLMが比較的正確な自己評価を報酬として与える場合、文脈内応答を補充できることを示す。これらの知見に触発されて,LLMジェイルブレイクに対する防御などの自己補正の応用についても解説した。
論文参考訳（メタデータ） (2024-05-28T22:33:02Z)
Distilling Reasoning Ability from Large Language Models with Adaptive Thinking [54.047761094420174]
思考の微調整(cot-finetuning)の連鎖は、小さな言語モデル(SLM)を特定のタスクに対するパフォーマンス向上の推論能力で実現することを目的としている。既存のコトファインタニング法の多くは事前に考えられたメカニズムを採用しており、SLMは答えを出す前に理性を生成することができる。このメカニズムにより、SLMは複雑な質問を分析して考えることができるが、答えの正しさは論理的に小さな誤りに非常に敏感になる。理性よりも先に回答を生成するための頑健な後思考機構を提案する。
論文参考訳（メタデータ） (2024-04-14T07:19:27Z)
Replication-proof Bandit Mechanism Design with Bayesian Agents [11.758708370032469]
エージェントが自分の腕を戦略的に登録したり複製したりする際に、複製防止バンディット機構を設計する際の課題について検討する。我々は,各自の腕の平均報酬の分布のみを把握しているベイズエージェントについて検討する。
論文参考訳（メタデータ） (2023-12-28T08:36:35Z)
Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [50.40483334131271]
本研究は,社会科学の学術的仮説発見のための最初のデータセットを提案する。従来のデータセットとは異なり、新しいデータセットには、(1)オープンドメインデータ(RAW Webコーパス)を観察として使用すること、(2)人間性にさらに新しい仮説を提案することが必要である。パフォーマンス向上のための3つのフィードバック機構を含む,タスクのためのマルチモジュールフレームワークが開発されている。
論文参考訳（メタデータ） (2023-09-06T05:19:41Z)
Generating User-Centred Explanations via Illocutionary Question Answering: From Philosophy to Interfaces [3.04585143845864]
我々は、AIアルゴリズムの洗練されたパイプラインに基づく対話型説明を生成するための新しいアプローチを示す。我々の貢献は、コンピュータフレンドリーな方法でイロカチオンをフレーム化して、統計的質問応答によるユーザ中央集権性を実現するためのアプローチである。 XAIをベースとした2つのシステムにおいて,60名以上の参加者を対象とするユーザスタディを用いて仮説を検証した。
論文参考訳（メタデータ） (2021-10-02T09:06:36Z)
Empirically Verifying Hypotheses Using Reinforcement Learning [58.09414653169534]
本稿では,仮説検証をRL問題として定式化する。我々は、世界の力学に関する仮説を前提として、仮説が真か偽かを予測するのに役立つ観測結果を生成することができるエージェントを構築することを目指している。
論文参考訳（メタデータ） (2020-06-29T01:01:10Z)

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。