論文の概要: Emergence Invariance: From Symbolized Thought to Structural Control

• arxiv url: http://arxiv.org/abs/2608.01548v2
• Date: Sat, 08 Aug 2026 01:58:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.412437
• Title: Emergence Invariance: From Symbolized Thought to Structural Control
• Title（参考訳）: 創発的不変性:象徴的思考から構造制御へ
• Abstract要約: 言語ファーストインテリジェンス(Language First Intelligence)は、区別が象徴的な記録に入ることによって制限される。 有効なインターフェース$$、実行可能なサポートによって、これらの制限を形式化する。 我々は、構造能力、有限実現可能性、境界制御、メタ制御を通じて出現限界を整理するフレームワークを開発する。
• 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-first intelligence is constrained by which distinctions enter its symbolic record, which mappings its language--interpreter--environment complex can execute, and which possibilities can be realized with finite resources. We formalize these limits through an effective interface $φ$, executable support $Π_{φ,H}$, a realization profile $M$, and resource-indexed families $\mathcal F_s(\mathcal J,M)$. They induce four nested capability levels: current reachability, budget realizability, asymptotic realizability, and structural capability, each with literal and risk-equivalent forms. On finite task spaces, universal bounded-loss dominance is characterized by inclusion of closed convexified risk envelopes; directed deficiencies and resource transformations quantify approximate simulation and realization burden. The decomposition $\mathcal R^*_{s,\mathcal J,M}=\mathcal R^*_{\mathcal J}+C_s(\mathcal J,M)$ separates structural limits from finite-resource compensation gaps. We develop dynamic control over these boundaries. Target risk identifies the lowest capability level that must change. Ockhamian control operates within inherited structural possibilities; Chattonian-containing control can produce endpoint structural novelty beyond the inherited decision class. Diminishing returns to within-structure computation and sustained structural-enrichment value yield a switching threshold, with switching costs creating hysteresis. Matched DeepSeek V4-Flash evidence shows: thinking raises pointer chasing from $0/16$ to $14/16$, exact observational and memory twins remain at their $0.5$ floors, restoring decisive memory raises performance from $0.5$ to $1.0$, and executable support determines whether reasoning can become effective. The framework organizes LLM emergence limits through structural capability, finite realizability, boundary control, and recursive meta-control.
• Abstract（参考訳）: 言語ファーストインテリジェンス(Language First Intelligence)は、区別がシンボリックレコードに入り、その言語をマッピングする-解釈-環境複合体が実行でき、どの可能性が有限資源で実現できるかを制約する。 これらの制限は、有効なインターフェイス$φ$、実行可能なサポート$\_{φ,H}$、実現プロファイル$M$、リソースインデックスされたファミリ$\mathcal F_s(\mathcal J,M)$で定式化する。 それらは、現在の到達可能性、予算実現可能性、漸近的実現可能性、構造的能力の4つのネストされた能力レベルを誘導する。 有限タスク空間において、普遍的有界損失支配は、閉じた凸化されたリスク包絡を包含することにより特徴づけられ、有向的欠陥と資源変換は近似シミュレーションと実現の重荷を定量化する。 分解 $\mathcal R^*_{s,\mathcal J,M}=\mathcal R^*_{\mathcal J}+C_s(\mathcal J,M)$ は有限リソース補償ギャップから構造的極限を分離する。 これらの境界を動的に制御する。 ターゲットリスクは、変化しなくてはならない最小の能力レベルを特定する。 オッカミアン制御は継承された構造的可能性の中で機能し、チャトニアン制御は継承された決定クラスを超えて終端構造的新規性を生み出すことができる。 構造内計算への最小化と持続的な構造富化の値はスイッチングしきい値となり、スイッチングコストはヒステリシスを生み出す。 一致したDeepSeek V4-Flashエビデンス: 思考がポインタを0/16ドルから14/16ドルに引き上げ、正確な観察と記憶の双子が0.5ドルフロアに留まり、決定的なメモリの復元によってパフォーマンスが0.5ドルから1.0ドルに向上し、実行可能サポートは推論が有効になるかどうかを決定する。 このフレームワークは、構造能力、有限実現可能性、境界制御、再帰的メタ制御を通じてLLMの出現限界を整理する。

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。