論文の概要: Beyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI
- arxiv url: http://arxiv.org/abs/2607.09560v1
- Date: Fri, 10 Jul 2026 16:05:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.901889
- Title: Beyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI
- Title（参考訳）: 固定表現を超えて - オープンエンディングAIにおける語彙と検証ギャップ
- Abstract要約: 我々は、オープンエンドイノベーションが可能な強力なインテリジェントシステムを構築するには、さらなるオペレーションのクラスが必要であると論じる。
私たちは2つのギャップを通じて、現在のAIシステムと真にオープンなインテリジェンスの間の距離を特徴付けます。
我々は、イノベーションの自律性のはしごを提案し、オープンエンドAIを進めるためのいくつかの方向性を概説する。
- 参考スコア（独自算出の注目度）: 7.013604169294101
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern AI systems are increasingly being evaluated for their ability to reason, code, prove theorems, use tools, and long-horizon research tasks. These are powerful capabilities, but they share a structural limitation: the representational frame within which the model operates, including its conceptual vocabulary, the space of admissible solutions it can search, and the criteria by which success is evaluated, is typically fixed and supplied in advance. This paper argues that building stronger intelligent systems capable of open-ended innovation requires additional classes of operations: the creation, stabilization, and reuse of new representational primitives, which alter the space being searched rather than simply searching within it. We characterize the distance between current AI systems and genuinely open-ended intelligence through two gaps. The first is the vocabulary gap, the difficulty of inventing and stabilizing new representational primitives rather than merely recombining existing ones. The second is the verifier gap, the difficulty of judging the value of a new primitive when its full payoff may be visible only after future reuse. We interpret both gaps through a unified framework of intelligence as cognitive discrepancy reduction. By viewing intelligent behaviors as a sequence of cognitive transformations, we distinguish intra-space transformations which operate within a fixed representational frame, from generative transformations which may modify the frame itself. On this basis, we propose a ladder of innovation autonomy and outline several directions for advancing open-ended AI, including objectives that reward useful representational change, persistent memory architectures for invented primitives, and adaptive verification mechanisms capable of evolving alongside the representations they evaluate.
- Abstract（参考訳）: 現代のAIシステムは、推論、コード、定理の証明、ツールの使用、長期の研究タスクの能力について、ますます評価されている。
これらは強力な能力であるが、それらは構造的な制限を共有している: モデルが機能する表現的フレームは、その概念語彙、それが探索できる許容解の空間、そして成功を評価する基準は、通常、事前に固定され、供給される。
本稿では、オープンエンドイノベーションが可能な強力なインテリジェントなシステムを構築するためには、新しい表現的プリミティブの作成、安定化、再利用といった、単に内部を探索するのではなく、検索対象の空間を変化させる、新たな操作のクラスが必要であると論じる。
私たちは2つのギャップを通じて、現在のAIシステムと真にオープンなインテリジェンスの間の距離を特徴付けます。
1つ目は語彙ギャップであり、単に既存のものを再結合するのではなく、新しい表現的プリミティブを発明し安定化することの難しさである。
第二に、検証者のギャップであり、将来の再利用後にのみその完全な支払いが確認できる場合、新しいプリミティブの価値を判断することの難しさである。
我々は、知性の統一された枠組みを通じて、両方のギャップを認知的不一致の低減として解釈する。
知的な振る舞いを認知的変換の列として見ることにより、固定された表現フレーム内で機能する空間内変換と、フレーム自体を変更する可能性のある生成的変換とを区別する。
そこで本稿では,提案するオープンエンドAIの進歩に向けて,有用な表現的変化を報奨する目的,発明されたプリミティブのための永続的メモリアーキテクチャ,評価した表現と並行して進化可能な適応型検証機構など,いくつかの方向性を概説する。
関連論文リスト
- SoK: AI-Augmented Binary Reversing [5.927800403943384]
バイナリ逆転は、ソフトウェア理解、脆弱性発見、マルウェア調査、ファームウェア監査の基礎となる。
機械学習、大規模言語モデル(LLM)、エージェントAIシステムの最近の進歩は、AIの拡張されたバイナリリバースの採用を加速している。
本稿では,AIを付加した二元反転における知識の包括的体系化について述べる。
論文 参考訳（メタデータ） (2026-06-16T01:14:49Z) - Bootstrap Theory of Representational Emergence: Explanatory Insufficiency as a Driver of Representation Learning and World Models [0.0]
本稿では,既存の表現が説明に不十分になった場合に,新しい表現がどのように生じるかを記述するフレームワークであるBootstrap Theory of Representational Emergence(TBER)を紹介する。
TBERは説明不全を表現遷移の正のシグナルとして同定する。
本稿では,表現学習,潜伏空間,基礎モデル,世界モデル,デジタル双生児,適応生物学系,科学的発見への応用について論じる。
論文 参考訳（メタデータ） (2026-06-05T14:21:08Z) - SenseNova-U1: Unifying Multimodal Understanding and Generation with NEO-unify Architecture [110.20462227888915]
NEO-Unify上に構築されたネイティブ統一マルチモーダルパラダイムであるSenseNova-U1を紹介する。
SenseNova-U1-8B-MoT と SenseNova-U1-A3B-MoT の2つのネイティブ統一型について述べる。
また,コミュニティ研究を支援するためのモデル設計,データ前処理,事前/後学習,推論戦略についても紹介する。
論文 参考訳（メタデータ） (2026-05-12T17:59:58Z) - Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation [47.97278965762397]
我々は、生成を動的で知識駆動のワークフローに変換する統合エージェントフレームワークであるMind-Brushを紹介します。
人間のような「思考-研究-創造」パラダイムをシミュレートして、Mind-Brushは、分配の概念を根絶するために、マルチモーダルなエビデンスを積極的に回収する。
大規模な実験により、Mind-Brushは統一モデルの能力を著しく向上させることが示された。
論文 参考訳（メタデータ） (2026-02-02T07:42:13Z) - InnoGym: Benchmarking the Innovation Potential of AI Agents [74.64144272881414]
InnoGymはAIエージェントのイノベーションの可能性を評価するために設計された最初のベンチマークである。
InnoGym氏は2つの相補的なメトリクスを紹介している。パフォーマンスゲイン(パフォーマンスゲイン)と、従来のアプローチと方法論的な違いを捉えるノベルティ(ノベルティ)だ。
論文 参考訳（メタデータ） (2025-12-01T16:03:04Z) - Ming-UniVision: Joint Image Understanding and Generation with a Unified Continuous Tokenizer [50.69959748410398]
我々は,自己回帰生成と理解を統一するための連続的な潜在空間を持つ新しい視覚トークンのファミリーであるMingTokを紹介する。
MingTokは低レベルエンコーディング、セマンティック拡張、視覚再構成を含む3段階のシーケンシャルアーキテクチャを採用している。
この上に構築されたMing-UniVisionは、タスク固有の視覚表現の必要性を排除し、単一の自己回帰予測パラダイムの下で多様な視覚言語タスクを統一する。
論文 参考訳（メタデータ） (2025-10-08T02:50:14Z) - RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。
RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。
現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
論文 参考訳（メタデータ） (2025-09-29T15:07:28Z) - Revisiting Transformers with Insights from Image Filtering [3.042104695845305]
自己注意(Self-attention)は、Transformerベースの最先端のディープラーニングアーキテクチャの基礎である。
我々は、自己注意とそのコンポーネントを説明するための統合画像処理フレームワークを開発する。
画像処理にインスパイアされた修正は、言語や視覚タスク全体にわたるデータ汚染や敵対に対して顕著に精度と堅牢性を向上し、長いシーケンス理解を向上する可能性があることを実証的に観察する。
論文 参考訳（メタデータ） (2025-06-12T05:46:57Z) - Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。
オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。
大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
論文 参考訳（メタデータ） (2024-02-23T16:50:07Z)
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。