論文の概要: Sophisticated Policies from Epistemic Priors
- arxiv url: http://arxiv.org/abs/2607.19518v1
- Date: Tue, 21 Jul 2026 19:05:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.908311
- Title: Sophisticated Policies from Epistemic Priors
- Title（参考訳）: 先天的な先駆者による高度化政策
- Abstract要約: 計画の地平線内では、ソフィケーテッド推論は将来の行動が将来の状態や観測に依存することを許し、アクティブな推論をクローズループにする。
そこで本研究では, 閉ループ推論と共振器駆動を併用することにより, ソフシケート推論とフルジョイント・プライオリティ・推論が環境を解決できることを述べる。
- 参考スコア（独自算出の注目度）: 1.430924337853801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sophisticated Inference is a variant of active inference often associated with recursive belief modeling and tree search. We argue that its central computational role is simpler: within a planning horizon, it makes active inference closed-loop by allowing future actions to depend on future states and observations. This closed-loop structure can be represented in the epistemic-prior variational free energy framework. Epistemic priors supply the active-inference objective, while a joint posterior over future states and actions supplies the state-contingent control structure. We evaluate this decomposition in the Reactivity Maze, a stochastic benchmark designed to separate epistemic incentive from inner-horizon closed-loop control. The comparison includes three variational objectives with the same state-action posterior family, an action-state factorized active inference objective, Sophisticated Inference, and standard Expected Free Energy planning. The results show that neither ingredient is sufficient on its own. Methods without an epistemic component do not seek information, while methods that prevent future actions from depending on future states cannot turn information into reliable goal-reaching. By contrast, both Sophisticated Inference and full-joint epistemic-prior active inference solve the environment by combining epistemic drive with closed-loop inference. These results show that the advantage associated with Sophisticated Inference need not be specific to tree search itself. It arises from the closed-loop form of active inference, and this form can be represented in epistemic-prior variational inference when the posterior keeps future actions dependent on future states.
- Abstract（参考訳）: 高度化推論(Sophisticated Inference)は、しばしば再帰的信念モデリングや木探索と結びつく活動的推論の変種である。
計画的な地平線の中では、将来の行動が将来の状態や観測に依存することを許し、アクティブな推論をクローズループにする。
この閉ループ構造は、エピステミック-主変分自由エネルギーの枠組みで表すことができる。
てんかんの前兆は活動的推論の目的を、後続は将来の状態と行動に対する共同で、状態依存的な制御構造を提供する。
我々はこの分解を,内水平閉ループ制御からててんかんインセンティブを分離する確率的ベンチマークであるReactive Mazeで評価した。
比較対象は、同じ状態-行動後遺族を持つ3つの変分目標、行動-因子化能動推論目標、ソフシケート推論、および標準自由エネルギー計画である。
その結果, いずれの成分も単独では不十分であることが判明した。
先天的な要素を持たない手法は情報を求めず、将来の状態による将来の行動を防ぐ手法は、情報を信頼できる目標達成に転換することができない。
対照的に、Sophisticated Inference と full-joint epistemic-prior active Inference は、エピステミックドライブと閉ループ推論を組み合わせることで環境を解決している。
これらの結果から,Sophisticated Inferenceに係わるアドバンテージは,木探索自体に特化してはならないことが示唆された。
活性推論の閉ループ形式から生じており、後部が将来の状態に依存している場合、この形式はてんかん-主変量推論で表すことができる。
関連論文リスト
- Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。
そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。
制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
論文 参考訳（メタデータ） (2026-08-20T13:59:57Z) - Expected free energy as an information constraint on the Bethe Lagrangian [2.360534864805446]
アクティブ推論は、予測される未来よりも期待される自由エネルギー関数を最小化することによって行動を選択する。
本稿では、メッセージパッシングによる推論を完全にサポートするBethe自由エネルギー関数に基づく代替の定式化を提案する。
情報需要が変化するにつれて、解決された乗算器はその不活性、内部、飽和状態を通過する。
論文 参考訳（メタデータ） (2026-08-17T22:10:54Z) - Visual Latents Know More Than They Say: Unsilencing Latent Reasoning in MLLMs [54.16324124242172]
連続潜在空間推論は、マルチモーダルモデルに対するテキストチェーンのコンパクトな代替を提供する。
既存の視覚的推論手法では,これまで見過ごされてきた最適化病理を同定する。
パラメータ更新を伴わない推論時間潜時最適化は、視覚潜時における抑止的推論能力を効果的に解き放つことを示す。
論文 参考訳（メタデータ） (2026-05-04T15:36:12Z) - On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。
これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。
その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文 参考訳（メタデータ） (2026-02-24T22:55:21Z) - Active Inference in Discrete State Spaces from First Principles [0.0]
我々は、それを自由エネルギー原則から切り離すことにより、アクティブ推論の概念を明確にすることを目指している。
本稿では,離散状態空間における能動推論を実現するために最適化を行う必要があることを,制約付き発散最小化問題として定式化できることを示す。
論文 参考訳（メタデータ） (2025-11-25T13:54:10Z) - Reframing the Expected Free Energy: Four Formulations and a Unification [3.9121134770873733]
能動推論は期待される自由エネルギーに基づいている。
本稿では、これらの定式化を1つのルート予測自由エネルギー定義から導出する問題を定式化する。
論文 参考訳（メタデータ） (2024-02-22T11:38:43Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳（メタデータ） (2023-07-28T11:26:26Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Witnessing superpositions of causal orders before the process is completed [0.0]
単一時点における量子状態の最も一般的な表現は何か。
現在の定式化は、量子演算の順序が整合的に、あるいは非整合的に重なり合う状況に適応できるだろうか?
論文 参考訳（メタデータ） (2022-09-19T16:47:53Z) - Realising Active Inference in Variational Message Passing: the
Outcome-blind Certainty Seeker [3.5450828190071655]
本稿では、離散時間および状態空間におけるアクティブ推論フレームワークの完全な数学的処理について述べる。
アクティブ推論と変動メッセージパッシングの理論的関係を活用します。
完全因子化変分分布を用いることで, 期待自由エネルギーの簡易化が図れる。
論文 参考訳（メタデータ） (2021-04-23T19:40:55Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳（メタデータ） (2020-07-01T17:29:57Z) - Sophisticated Inference [8.145323363883234]
アクティブ推論は、知覚的振る舞いの第一原理的な説明を提供する。
これは値関数を(ベイジアン)信念の関数に置き換える。
本稿では,高度な能動推論について考察する。
論文 参考訳（メタデータ） (2020-06-07T11:18:58Z)
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。