論文の概要: Constructed Reality, Contested Priors: Decoupling and the Architecture of Cognitive Relapse Under the Free Energy Principle
- arxiv url: http://arxiv.org/abs/2607.11958v1
- Date: Sun, 12 Jul 2026 07:08:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.896148
- Title: Constructed Reality, Contested Priors: Decoupling and the Architecture of Cognitive Relapse Under the Free Energy Principle
- Title（参考訳）: コンストラクテッド・リアリティ--自由エネルギー原理の下でのデカップリングと認知的リラプスのアーキテクチャ
- Abstract要約: 自由エネルギー原理の下では、予測システムは直接現実を観察しない。
それは世界の生成モデルを維持し、そのモデルの最良の仮説を経験する。
合成環境は、予測システムの独自の推論機構がこのデフォルト仮説として採用するのに十分な整合性を持たせることができるのか?
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Under the free energy principle, a predictive system does not observe reality directly; it maintains a generative model of the world and experiences that model's best current hypothesis. Can a synthetic environment be made consistent enough that a predictive system's own inference machinery adopts it as this default hypothesis, permanently displacing the environment that first shaped it? We call this state ontological inversion. Because inducing and monitoring such a transition in a nervous system is neither ethical nor technically feasible, we study the underlying computational problem through a controlled proxy: a convolutional variational autoencoder paired with a recurrent latent predictor, whose evidence lower bound objective is mathematically identical, up to sign, to variational free energy itself. The network is trained first on a baseline visual domain, then on a mixed stream in which a swept rehearsal ratio r controls how much baseline content persists during transition to a target domain. Representational capacity, what the latent space can discriminate, is tracked separately from default behavior, what the system generates when left unconstrained. Across a full sweep of 90 runs, the two diverge sharply: representational accuracy stays near ceiling, 0.97 to 0.998, regardless of r, while default behavior spans nearly the system's entire range depending on r alone, a decoupling of learning from acceptance. More strikingly, at intermediate r the system's default output rises toward the target domain, then partially reverts toward the baseline while training continues unchanged, a structural failure we term cognitive relapse. Resistance to reality-adoption is not reducible to learning speed; it is a structural property with its own distinct failure modes, established here as a computational existence proof and nothing further.
- Abstract（参考訳）: 自由エネルギーの原理の下では、予測システムは現実を直接観察するものではなく、世界の生成モデルを維持し、そのモデルの最良の現在の仮説を経験する。
合成環境は、予測システムの独自の推論機械が、これをこのデフォルト仮説として採用し、最初に形成した環境を永久に置き換えるほどに一貫性があるだろうか?
私たちはこの状態を存在論的逆転と呼んでいる。
神経系におけるそのような遷移を誘導・監視することは倫理的・技術的に不可能ではないため、制御されたプロキシを通して基礎となる計算問題を考察する。
ネットワークはまずベースライン視覚領域でトレーニングされ、その後、スワップリハーサル比rがターゲット領域への遷移中にベースラインコンテンツがどれだけ持続するかを制御する混合ストリームでトレーニングされる。
潜在空間が識別できる表現能力は、既定の動作とは独立して追跡される。
表現精度は、rによらず、0.97から0.998の天井付近に留まり、デフォルトの動作はrのみに依存してシステムのほぼ全範囲にまたがる。
さらに驚くべきことに、中間rでは、システムのデフォルト出力がターゲット領域に向かって上昇し、トレーニングが継続している間に部分的にベースラインに戻す。
現実適応に対する抵抗は学習速度には再現できない; 独自の障害モードを持つ構造的特性であり、ここでは計算の存在証明として確立されており、それ以上のものはない。
関連論文リスト
- Escape from Delusional Echo Trap: Symmetry Breaking, Stochastic Dynamics and Mathematical Mitigation Strategies for Algorithmic Sycophancy [5.868852957948178]
本稿では,ユーザの認知的軌跡を追跡するための厳密で体系的なフレームワークを提案する。
我々は、潜伏状態の隠れた特徴を持つAIと対話するときに、個人が自分の信念をどう認識し、解釈し、更新するかを探求する。
論文 参考訳（メタデータ） (2026-06-16T15:37:50Z) - Physics from Video: Identifiability of Time-Invariant Second-Order ODEs under Minimal Trajectory Conditions [60.2784641643737]
ビジュアルリアリズムと物理的な理解のギャップを埋めることは、ビデオベースの世界モデルにとって重要な課題である。
原画素からの連続時間物理法則の構造識別可能性について検討した。
レベルセットの傾斜被覆条件は、学習された潜伏空間が真の物理的状態に局所的に親和的であることを証明する。
論文 参考訳（メタデータ） (2026-05-27T13:22:29Z) - Controlling False Discovery in Arbitrarily Structured Hypothesis Spaces via Reproducing Kernels [47.16593717985932]
連続的なドメイン、グラフ、階層を1つのアルゴリズムで統一するフレームワークをカーネル選択のみで導入する。
FDR(False Discovery Rate)を制御するための2つの決定ルールを提供します。
本手法は,高次元実世界のデータセットから得られた空間的位置とタンパク質間相互作用グラフを用いた遺伝子発現タスクの2つの情報源で検証する。
論文 参考訳（メタデータ） (2026-05-17T17:42:56Z) - Descriptive versus Regulatory Uncertainty in Bounded Predictive Systems [0.0]
現在のトランスフォーマーアーキテクチャは推論における記述的不確実性に限られていることを証明する。
トークンレベルのシャノンエントロピーは、パターン検索、因果作用素応用、分布外因果一般化にまたがるタスクで統計的に不変である。
論文 参考訳（メタデータ） (2026-05-17T17:41:57Z) - Evaluation as Evolution: Transforming Adversarial Diffusion into Closed-Loop Curricula for Autonomous Vehicles [43.930171390617055]
本研究では,敵対的生成を適応的な進化カリキュラムに変換するクローズドループフレームワークであるAccess as Evolution(E2$)を紹介する。
我々は、トポロジ駆動型サポート選択を利用して重要な相互作用エージェントを特定し、トポロジカルアンチョリングを導入し、プロセスの安定化を図る。
実験的に、$E2$はnuScenesデータセットで9.01%、nuPlanデータセットで最大21.43%の衝突故障発見を改善する。
論文 参考訳（メタデータ） (2026-04-08T01:34:05Z) - Non-Equilibrium Stochastic Dynamics as a Unified Framework for Insight and Repetitive Learning: A Kramers Escape Approach to Continual Learning [0.0]
ニューラルネットワークにおける連続学習は、安定性-塑性ジレンマによって根本的に制限される。
両問題が非平衡統計物理学における共通解であることを示す。
論文 参考訳（メタデータ） (2026-04-05T15:42:23Z) - Procela: Epistemic Governance in Mechanistic Simulations Under Structural Uncertainty [0.0]
Procelaはシミュレーションが自身の仮定をテストする最初のフレームワークである。
競合する3家族の病院ネットワークでProcela for AMRをインスタンス化する。
その結果、基準値よりも20.4%のエラー削減と69%の累積的後悔改善が得られた。
論文 参考訳（メタデータ） (2026-04-01T09:22:32Z) - Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。
本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2026-03-16T17:20:38Z) - Counterfactual Realizability [52.85109506684737]
本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。
本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
論文 参考訳（メタデータ） (2025-03-14T20:54:27Z) - 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)
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。