論文の概要: Emergence Invariance: From Symbolized Thought to Interface Refinement

• arxiv url: http://arxiv.org/abs/2608.01548v1
• Date: Mon, 03 Aug 2026 00:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.282065
• Title: Emergence Invariance: From Symbolized Thought to Interface Refinement
• Title（参考訳）: 創発的不変性:シンボライズド・シンドロームからインタフェース・リファインメントへ
• Abstract要約: 言語ファーストの確率的アーキテクチャは、コンテキスト内学習、多段階推論、ツールの使用、思考の連鎖をサポートする。 本フレームワークは, 根拠, 記憶, 位置, 注意, ベイズ継承, 科学的誘拐, 推論制御に関する既存の結果を統一する。
• 参考スコア（独自算出の注目度）: 4.28787537081191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language can be viewed as a formalized subset of thought: a consequence-governed symbolic structure projected from wider situated cognition. Large language models trained at scale exhibit compensatory emergence: sparse architectural primitives support in-context learning, multi-step reasoning, tool use, and chain of thought. Yet a language-first probabilistic architecture inherits substantive, substrate, and high-level incompletenesses relative to human cognition. Their coexistence makes an LLM a human-like thought-form generator that reconstructs increasingly human-like reasoning forms from an incomplete substrate. We ask whether emergence can compensate for every missing distinction. We formalize the philosophical premise as the Symbolization--Substructure Thesis and introduce emergence invariance. For a scale-indexed family acting through a shared task interface $φ$, $\mathcal{R}_s^*=\mathcal{R}_φ^*+C_s$: scale can reduce the compensation gap $C_s$, while a positive interface floor $\mathcal{R}_φ^*$ persists. We prove that, under a fixed input law, one interface is universally no less informative exactly when its completed information $σ$-field refines the other, and that total compensation occurs exactly when both the interface floor and asymptotic compensation gap vanish. The framework unifies existing results on grounding, memory, position, attention, Bayesian inheritance, scientific abduction, and reasoning control. In a matched DeepSeek V4-Flash API study, thinking improves pointer chasing from $0/16$ to $14/16$ when relevant distinctions are available; exact observational twins remain at their $50\%$ construction floor; and restoring decisive memory moves matched performance from $50\%$ to $100\%$. These results provide initial evidence for the predicted separation between scaling within an interface and refining the interface itself.
• Abstract（参考訳）: 言語は思考の形式化されたサブセットとして見ることができ、より広い位置の認識から投影される結果支配的な象徴構造である。 簡潔なアーキテクチャプリミティブは、コンテキスト内学習、マルチステップ推論、ツールの使用、思考の連鎖をサポートする。 しかし、言語第一の確率的アーキテクチャは、人間の認知に対する実体的、基質的、高レベルの不完全性を継承する。 彼らの共存により、LLMは、不完全な基質から徐々に人間のような推論形式を再構築する人間のような思考型生成装置となる。 私たちは、欠落したすべての区別を補うことができるかどうか尋ねる。 我々は、哲学的前提を象徴論として定式化し、サブストラクチャ・テーゼを導入し、不変性を導入する。 共有タスクインターフェイス$φ$, $\mathcal{R}_s^*=\mathcal{R}_φ^*+C_s$: scale can reduce the compensation gap $C_s$, a positive interface floor $\mathcal{R}_φ^*$が持続する。 固定された入力法則の下では、あるインターフェースが、その完了した情報$σ$-fieldが他方を洗練したときには、正確には情報的でないことが証明され、全体の補償は、インターフェースフロアと漸近的補償ギャップの両方が消えるときに、正確に発生する。 このフレームワークは、接地、記憶、位置、注意、ベイズ継承、科学的誘拐、推論制御に関する既存の結果を統一する。 一致したDeepSeek V4-Flash API調査では、関連する区別が得られれば、ポインタ追跡が0/16ドルから14/16ドルに改善される。 これらの結果は、インターフェイス内のスケーリングとインターフェース自体の精細化の間の予測された分離を示す最初の証拠となる。

関連論文リスト

• SILAGE: Memory-Efficient, Full-Gradient-Free Nonconvex Optimization for Nested Finite Sums [51.49970814177172]
  データセットに対する経験的リスクは、自然に$N=nm$全サンプルに類似性を示す。 我々は悲観的な収束分析を避ける分析を提供する。 我々の成果は、既存の最先端の体制を改善した。
  論文  参考訳（メタデータ） (2026-06-14T14:11:07Z)
• A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints [6.057587531186626]
  目的指向エージェントが生成し、破壊し、交換する価値は、情報と同じカテゴリの法的構造量であることを示す。 価格がフレームに依存していない間、価値はフレーム相対的であり、そのリソースをプールし、その知覚を融合する艦隊が天井を継承する。
  論文  参考訳（メタデータ） (2026-06-10T16:11:04Z)
• Feature Learning in Wide Neural Networks under $μ$P: Identifiability and Sparse-Dictionary Decomposition of the Mean-Field Limit [0.0]
  雑音勾配降下の平均場限界のグローバルな存在と一意性を$P以下で証明する。 平均フィールド限界の識別可能性の特徴付けを行う。 特徴・学習・エラーの総分解を統計的・最適化・カオス伝播・疎残成分に導出する。
  論文  参考訳（メタデータ） (2026-05-23T19:26:25Z)
• Strategic PAC Learnability via Geometric Definability [69.34283267701421]
  戦略分類は、個人が分類者の判断に影響を与えるために、コストで特徴を修正できる学習環境を研究する。 中心的な問題は、帰納的(戦略的な)仮説クラスのサンプルの複雑さが、基礎となる仮説クラスの複雑さと、実現可能な操作を管理するコスト構造にどのように依存するかである。 仮説クラスとコスト誘起近傍関係は、$mathbbR_mathtexp$上の一階式で定義することができる。 難易度は, 複雑度によって制御され, 学習性は維持されていることを証明した。
  論文  参考訳（メタデータ） (2026-05-13T12:21:56Z)
• Does Your Neural Network Extrapolate? Feature Engineering as Identifiability Bias for OOD Generalization [1.0989593035411862]
  ディープニューラルネットワークが成功すると、データの健全な特徴が見つかる。 In-distriion (ID)トレーニングウィンドウからOOD(out-of-distriion)関連表現をいつ、なぜ学習しないのかを示す。
  論文  参考訳（メタデータ） (2026-05-08T09:25:52Z)
• OOWM: Structuring Embodied Reasoning and Planning via Object-Oriented Programmatic World Modeling [62.3458279176813]
  ソフトウェア工学のフォーマリズムのレンズを通して推論を具体化する新しいフレームワークであるオブジェクト指向世界モデリング(OOWM)を提案する。 OOWMはクラスダイアグラムを使用して、厳密なオブジェクト階層に視覚的知覚を基盤とし、アクティビティダイアグラムを使用して、計画を実行可能な制御フローに運用する。
  論文  参考訳（メタデータ） (2026-02-25T16:01:07Z)
• Neural Paging: Learning Context Management Policies for Turing-Complete Agents [9.896253083170066]
  情報資源管理から象徴的推論を分離する階層型アーキテクチャである textitNeural Paging を導入する。 理論的解析により、境界付きコンテキストウィンドウサイズ$K$では、ニューラルページングは、二次的な$O(N2)$から$O(N cdot K2)$への長水平推論の複雑さを減少させる。
  論文  参考訳（メタデータ） (2026-02-11T22:35:08Z)
• ConvexBench: Can LLMs Recognize Convex Functions? [70.53167848190624]
  凸解析は数学の現代的な分野であり、多くの応用がある。 大規模言語モデル(LLM)が研究レベルの数学と科学を自動化し始めるにつれ、LLMが凸性を理解し、推論する能力を示すことが重要である。 我々は,LLMが深い機能的構成下での象徴的対象の凸性を識別できるかどうかを,スケーラブルで機械的に検証できるベンチマークであるcbを紹介する。
  論文  参考訳（メタデータ） (2026-02-01T07:41:17Z)
• Phase Transition for Budgeted Multi-Agent Synergy [41.486076708302456]
  マルチエージェントシステムは信頼性を向上させることができるが、固定された推論予算の下では、しばしば役立つか、飽和するか、崩壊するかさえある。 我々は、現代のエージェントスタックの3つの束縛制約からこれらの状態を予測する最小限の校正可能な理論を開発する。
  論文  参考訳（メタデータ） (2026-01-24T05:32:50Z)
• Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space [56.37266873329401]
  大規模言語モデル (LLM) は、高度に一様でない情報密度を示す言語にもかかわらず、全てのトークンに一様計算を適用する。 我々は,潜在表現から意味境界を学習し,トークンから推論がより効率的である圧縮概念空間へ移行する階層型言語モデリングフレームワークである$textbfDynamic Large Concept Models (DLCM)$を提案する。
  論文  参考訳（メタデータ） (2025-12-31T04:19:33Z)
• Phase Transition for Stochastic Block Model with more than $\sqrt{n}$ Communities (II) [51.320599504997745]
  コミュニティの$K$が$sqrtn$より小さい場合、Kesten-Stigumしきい値を超えれば、非自明なコミュニティリカバリが可能になる。 また、適度にスパースな設定では、最適なアルゴリズムがスペクトル法と根本的に異なることを示す。
  論文  参考訳（メタデータ） (2025-11-26T15:54:17Z)
• REWA: A General Theory of Witness-Based Similarity [0.0]
  我々は、すべての離散的、連続的、代数的、学習的類似性を仮定する類似性保存符号化のための普遍的な枠組みを提案する。 この統合により、ブルームフィルタ、Locality Sensitive Hashing (LSH)、Count-Minのスケッチ、ランダムフーリエ機能、Transformerのアテンションカーネルは同じメカニズムのインスタンスであることが分かる。
  論文  参考訳（メタデータ） (2025-11-25T07:04:44Z)
• The Alignment Bottleneck [0.0]
  ループを2段階のカスケード$U to H to Y$ given$S$、認知能力$C_textcog|S$、平均総容量$barC_texttot|S$としてモデル化する。 これは、分離可能なコードブックと、KL項が$m, barC_texttot|S$で同じチャネルで制御されるPAC-Bayes上界とで証明されたデータサイズ非依存のファノ下界をペアする。
  論文  参考訳（メタデータ） (2025-09-19T12:38:30Z)
• From Generative to Episodic: Sample-Efficient Replicable Reinforcement Learning [18.59097820898079]
  固定されたi.d.ソースからデータを取得するバッチ設定では、データ効率のよいレプリカブルアルゴリズムの設計が多かれ少なかれ理解されている。 探索は複製可能な学習にとって重要な障壁ではないことを、私たちは示しています! 我々の主な成果は、$tildeO(S2A)$サンプル上の複製可能なRLアルゴリズムであり、生成的設定とエピソード設定のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2025-07-16T05:43:46Z)
• Bound by semanticity: universal laws governing the generalization-identification tradeoff [8.437463955457423]
  有限分解能の類似性は、単なる玩具・模型の人工物ではなく、基本的な創発的な情報制約であることを示す。 これらの結果は、一般化識別トレードオフの正確な理論を提供し、意味論的解決がディープネットワークや脳の表現能力をどのように形成するかを明らかにする。
  論文  参考訳（メタデータ） (2025-06-01T15:56:26Z)
• UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model [62.66515621965686]
  本稿では,2次元離散拡散(D3Diff)損失を伴う新しい理論枠組みを導入し,離散的なスコアマッチング拡散を伴うマスク付き生成モデルを統一する。 このD3Diffは、テキスト入力に沿った高忠実度顔の詳細を合成するモデルの能力を大幅に向上させる。 提案するUniF$2$aceD-1Mは,130Kの微細な画像キャプチャ対と100Mの視覚的質問応答対からなる大規模データセットである。
  論文  参考訳（メタデータ） (2025-03-11T07:34:59Z)
• Deep Regression Representation Learning with Topology [57.203857643599875]
  回帰表現の有効性は,そのトポロジによってどのように影響されるかを検討する。 本稿では,特徴空間の内在次元と位相を対象空間と一致させる正則化器PH-Regを紹介する。 合成および実世界の回帰タスクの実験はPH-Regの利点を示している。
  論文  参考訳（メタデータ） (2024-04-22T06:28:41Z)
• Horizon-Free and Variance-Dependent Reinforcement Learning for Latent Markov Decision Processes [62.90204655228324]
  我々は,後期マルコフ決定過程(LMDP)における強化学習(RL)の文脈を考慮した後悔の最小化について検討した。 我々は,モデル最適化と値最適化の両手法でインスタンス化できる,新しいモデルベースアルゴリズムフレームワークを設計する。
  論文  参考訳（メタデータ） (2022-10-20T21:32:01Z)
• Towards an Understanding of Benign Overfitting in Neural Networks [104.2956323934544]
  現代の機械学習モデルは、しばしば膨大な数のパラメータを使用し、通常、トレーニング損失がゼロになるように最適化されている。 ニューラルネットワークの2層構成において、これらの良質な過適合現象がどのように起こるかを検討する。 本稿では,2層型ReLUネットワーク補間器を極小最適学習率で実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-06T19:08:53Z)
• Provably Efficient Safe Exploration via Primal-Dual Policy Optimization [105.7510838453122]
  制約付きマルコフ決定過程(CMDP)を用いた安全強化学習(SRL)問題について検討する。 本稿では,関数近似設定において,安全な探索を行うCMDPの効率の良いオンラインポリシー最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-01T17:47:03Z)

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。