論文の概要: Perspective Latents as an Architectural Condition for Causal Emergence in Active Inference Agents

• arxiv url: http://arxiv.org/abs/2607.20708v1
• Date: Wed, 22 Jul 2026 20:25:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.215456
• Title: Perspective Latents as an Architectural Condition for Causal Emergence in Active Inference Agents
• Title（参考訳）: 能動推論エージェントの因果発芽条件としてのパースペクティブ潜伏剤
• Authors: Hongju Pae,
• Abstract要約: 私は,報酬のない予測組織が,アクティブ推論エージェントにおける情報理論的シグネチャとどのように関係しているかを検証した。 結果は、アクティブ推論エージェントにおいて、$g$を$_r$関連時間的組織の構造的軌跡として特定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A recent line of work measures causal emergence in reinforcement learning agents through Integrated Information Decomposition, reporting that $Φ_r$ grows with training and tracks reward improvement. For active inference, this raises the question of how reward-free predictive organization relates to such information-theoretic signatures. I test this within an active inference agent whose architecture separates a fast perception latent $z$ from a slow global latent $g$, where $g$ is driven by prediction error and structurally decoupled from policy gradients. In a reward-free environmental regime-switching protocol, $Φ_r$ concentrates in $g$; its aggregate magnitude is largely architectural and decreases with training. The substantive effect of learning becomes legible only at the atom-compositional level: decoupling flips sign from negative to positive and becomes regime-invariant under environmental change, while downward causation carries the regime-dependent adjustment. These results identify $g$ as the architectural locus of $Φ_r$-relevant temporal organization in an active inference agent, and argue against reading scalar $Φ_r$ as a direct index of learned integration.
• Abstract（参考訳）: 最近の研究は、強化学習エージェントのインテグレーション・インテリジェンス・デコレーション(Integrated Information Decomposition)を通じて因果的出現を計測し、トレーニングと報酬改善の追跡によって、$ は成長する、と報告している。 アクティブな推論では、報酬のない予測組織がそのような情報理論的なシグネチャとどのように関連しているのかという疑問が提起される。 私はこれをアクティブな推論エージェントでテストします。アーキテクチャは、素早い知覚の潜伏の$z$と遅いグローバル潜伏の$g$を分離します。 報酬のない環境レシシシシスイッチングプロトコルでは、$s_r$は$g$に集中する。 学習の実体的効果は原子-構成レベルでのみ正となる:フリップの分離は、負から正に符号を移し、環境変化の下では状態不変となるが、下向きの因果関係は状態依存的な調整をもたらす。 これらの結果は、アクティブな推論エージェントにおいて、$g$を、関連する時間的組織をアーキテクチャの軌跡として特定し、学習された統合の直接的な指標として、スカラーの$\_r$を読むことに反対する。

関連論文リスト

• Counterfactual Shapley Credit Assignment [49.39649767581182]
  クレディ・アサインメント・問題(CAP)は、効率的かつ説明可能な強化学習(RL)エージェントを開発するための基礎である。 対実共有($-value)を通じて信用と責任を判断する新しい枠組みである対実共有($-value)を導入する。 我々は、$$-valuesを計算し、優先順位付き軌道再生(PTR)と組み合わせた新しいポリシーメソッドのクラス$-PPOを可能にする一貫した推定器を導出する。
  論文  参考訳（メタデータ） (2026-07-18T23:28:20Z)
• Closed-Loop Knowledge Dynamics: An Operational Framework for Saturation and Escape [10.96851791770302]
  クローズドループの知識システムが飽和している理由と,現在のアトラクタを超えて外部情報を移動できることについて検討する。 構造パラメータ$$でインデックスされた遷移カーネルを通じて、知識状態が$x_t$で進化する3段階の運用フレームワークを紹介します。 避難確率を高めるために,介入誘導型誘引器変位とベースライン相対KL下界の計測条件による避難を特徴付ける。
  論文  参考訳（メタデータ） (2026-07-15T15:06:15Z)
• Learning to Watch: Active Video Anomaly Understanding via Interleaved Policy Optimization [56.150184676745205]
  ビデオ異常理解(VAU)は、スパースでコンテキストに依存した手がかりに依存している。 本稿では,映像理解をアクティブな逐次意思決定プロセスとして再認識するクローズドループフレームワークである$Anomtext-$を提案する。 人間のビデオレビュー行動に触発されたこのフレームワークは、内部の認知的推論と戦略的エビデンスを、インターリーブされたポリシーに統一する。
  論文  参考訳（メタデータ） (2026-07-01T08:41:49Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• A Mathematical Framework for Temporal Modeling and Counterfactual Policy Simulation of Student Dropout [0.0]
  ドロップアウトは、登録レベルでタイム・ツー・イベントの結果として運用される。 週単位のリスクは、個人周期の行に対するペナル化されたクラスバランスのロジスティック回帰を通じて、離散時間でモデル化される。 後期の時限ホールドアウトでは、行レベルのAUCは0.8350(列車)と0.8405(試験)となる。
  論文  参考訳（メタデータ） (2026-04-10T02:26:23Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Phase Transition for Budgeted Multi-Agent Synergy [41.486076708302456]
  マルチエージェントシステムは信頼性を向上させることができるが、固定された推論予算の下では、しばしば役立つか、飽和するか、崩壊するかさえある。 我々は、現代のエージェントスタックの3つの束縛制約からこれらの状態を予測する最小限の校正可能な理論を開発する。
  論文  参考訳（メタデータ） (2026-01-24T05:32:50Z)
• Exploiting Layer Normalization Fine-tuning in Visual Transformer Foundation Models for Classification [30.16664767564679]
  微調整後のLayerNormパラメータの変化は、ソースとターゲットドメイン間の遷移を示していることを示す。 本研究は,移動学習におけるLayerNormの過小評価力学を解明し,LayerNormの微調整のための実践的戦略を提供する。
  論文  参考訳（メタデータ） (2025-08-11T03:18:47Z)
• Extreme Memorization via Scale of Initialization [72.78162454173803]
  我々は,初期化の規模を変えることが,SGDによって誘導される暗黙の正規化に強く影響を与える実験装置を構築する。 一般化能力に影響を及ぼす範囲と方法が、使用したアクティベーションと損失関数に依存することがわかった。 均質なReLU活性化の場合、この挙動は損失関数に起因することが示される。
  論文  参考訳（メタデータ） (2020-08-31T04:53:11Z)

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。