論文の概要: Interoceptive Attention as Dynamic Homeostatic Prioritization in a Foraging Agent
- arxiv url: http://arxiv.org/abs/2608.04232v1
- Date: Tue, 04 Aug 2026 21:18:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.642792
- Title: Interoceptive Attention as Dynamic Homeostatic Prioritization in a Foraging Agent
- Title（参考訳）: 保食剤の動的静電気的優先順位付けとしてのインターセプティブ・アテンション
- Authors: St John Grimbly, Nicolas Kuske, Evert A. Boonstra, Bruce A. Bassett, Charel van Hoof, Rowan Hodson, Benjamin Rosman, Ryan Smith, Mark Solms, Jonathan P. Shock,
- Abstract要約: 我々は、その知覚精度をどこに割り当てるかを決定する採餌剤について検討する。
4チャンネルのグリッドワールドであるAffectWorldでは、この選択的なアロケーションは学習フェーズの生存率を2倍以上にしている。
プランナーの形状の可能性が否定されるだけで、その約半分が取り除かれる。
- 参考スコア（独自算出の注目度）: 5.660076931519574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological systems must regulate competing needs under limited perceptual bandwidth, where sharpening one estimate costs the capacity to sharpen the others. Any fixed-budget system therefore has to decide where to allocate its perceptual precision. We study this in a foraging agent that must keep several bodily needs satisfied to survive, modelled with active inference. At each step it reads its own body-state beliefs, identifies the most-needed channel, and reallocates a fixed budget of interoceptive precision toward it, so that the same precision-shaped likelihood feeds both belief update and planning. In AffectWorld, a four-channel foraging gridworld, this selective allocation more than doubles learning-phase survival at matched budget against a uniform-precision agent ($0.414$ vs $0.199$ across 11 layouts, $n{=}32$ seeds each, paired cluster-bootstrap $p \leq 10^{-4}$). Two further results sharpen the mechanism. The benefit runs through planning as well as perception, since denying the shaped likelihood to the planner alone removes about half of it. It is also need-aligned, since aiming precision at the least-needed channel does worse than spreading it evenly. The attended channel additionally learns its own dynamics about twice as fast, and stays ahead even at matched observation count, a behavioural trace of the same precision routing, visible in learning speed, not survival.
- Abstract（参考訳）: 生物学的システムは、限られた知覚帯域幅で競合するニーズを規制しなければならない。
したがって、固定予算システムは、その知覚精度をどこに割り当てるかを決定する必要がある。
本研究は, 生存に必要な身体的ニーズを一定に保たなければならない採餌剤として, 能動的推論でモデル化した。
それぞれのステップで、自身の身体状態の信念を読み出し、最も必要とされているチャンネルを特定し、それに対する相互受容精度の固定された予算を再配置することで、同じ精度の確率が信念の更新と計画の両方に影響を及ぼす。
4チャンネルのグリッドワールドであるAffectWorldでは、この選択的なアロケーションは、一致した予算での学習フェーズサバイバルを、11のレイアウトにまたがる均一な精度エージェント(0.414$ vs $0.199$, $n{=}32$ seed, paired cluster-bootstrap $p \leq 10^{-4}$)に対して倍増させる。
さらに2つの結果はメカニズムを鋭くする。
プランナーの形状の可能性が否定されるだけで、その約半分が取り除かれる。
なぜなら、必要でないチャネルでの精度を狙うことは、それを均等に広めるよりも悪いからである。
参加者のチャネルはさらに、自身のダイナミクスを約2倍の速さで学習し、同じ精度のルーティングの振る舞いトレースである一致した観測数でも、生存速度ではなく学習速度で見ることができる。
関連論文リスト
- BRiG-AFA: Bellman Risk-to-Go Learning for Non-Myopic Active Feature Acquisition [8.363536351727978]
アクティブな機能取得は、予算の下で各テストインスタンスの次を計測する観測されていない機能を要求する。
本稿では,残予算毎に個別の候補条件付きリスク・ツー・ゴー関数を学習する,デプロイ可能な教師付き代替手段であるメソッドを導入する。
論文 参考訳（メタデータ） (2026-08-03T14:30:44Z) - A Unifying View of Attention Sinks: Two Algorithms, Two Solutions [11.81228217746692]
我々は、視覚的に類似したシンクパターンが2つの異なるメカニズムを反映できることを示した。
頭がヌルトークンにルーティングすることで更新を抑圧し、iiブロードキャストし、シンクが集約してグローバル情報を再配布する。
論文 参考訳（メタデータ） (2026-06-06T11:10:54Z) - From Prediction to Self: Developmental Conditions for Agency in Minimal Neural Systems [0.0]
我々は、単に世界を予言するシステムが、自分たち自身の因果関係の影響を他のあらゆるものと区別するためにどのように現れるかを示す。
このプロセスを追跡する指標として,エージェントゲイン(A = Err_world - Err_self)を提案する。
論文 参考訳（メタデータ） (2026-06-04T02:27:43Z) - The Deterministic Horizon: When Extended Reasoning Fails and Tool Delegation Becomes Necessary [13.891522069967507]
拡張連鎖推論は決定論的状態追跡タスクのパフォーマンスを低下させる。
ツール統合推論がニューラル・チェーン・オブ・シントを一貫して上回ることを示す。
本研究は, エージェントシステムにおいて, 純粋なニューラル推論がハイブリッドアプローチにいつ適用されるべきかについて, 基本的ガイダンスを提供する。
論文 参考訳（メタデータ） (2026-05-29T21:35:23Z) - HASTE: Training-Free Video Diffusion Acceleration via Head-Wise Adaptive Sparse Attention [68.95533683996236]
トレーニング不要のスパースアテンションは、トレーニングなしで事前トレーニングされたモデルを加速するため、魅力的である。
既存のオンラインのトップ$p$のスパース・アテンションは、マスクの予測に何の費用もかからない。
これら2つの見過ごされた要因は、ビデオDiTにおけるトレーニング不要のスパースアテンションの実践的スピード品質トレードオフを制限していることを示す。
論文 参考訳（メタデータ） (2026-05-14T07:57:55Z) - Telogenesis: Goal Is All U Need [8.585574846949628]
本稿では,3つのギャップ(無知,驚き,安定度)から観測目標を生成する優先度関数を提案する。
最小のアテンションアロケーション環境(2000ラン)と、モジュラーで部分的に観測可能な世界(500ラン)の2つのシステムでこれを検証します。
大域的な予測エラーの下では、カバレッジベースのローテーションが勝利し、変更検出遅延下では、優先度誘導されたアロケーションが勝利し、次元とともに単調に成長する。
論文 参考訳（メタデータ） (2026-03-10T10:28:45Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - TransPath: Learning Heuristics For Grid-Based Pathfinding via
Transformers [64.88759709443819]
探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。
私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。
第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
論文 参考訳（メタデータ） (2022-12-22T14:26:11Z) - Semi-supervised Contrastive Learning with Similarity Co-calibration [72.38187308270135]
SsCL(Semi-supervised Contrastive Learning)と呼ばれる新しいトレーニング戦略を提案する。
ssclは、自己教師付き学習におけるよく知られたコントラスト損失と、半教師付き学習におけるクロスエントロピー損失を組み合わせる。
SsCLはより差別的な表現を生じさせ,ショット学習に有益であることを示す。
論文 参考訳（メタデータ） (2021-05-16T09:13:56Z) - Selective Classification Can Magnify Disparities Across Groups [89.14499988774985]
選択的分類は平均的精度を向上させることができるが、既存の精度格差を同時に増大させることができる。
禁忌の増大は、一部のグループでのアキュラシーを減少させることもある。
我々は,グループ間で類似のフルカバレッジ精度を実現する分散ロバストモデルを訓練し,選択分類が各グループを均一に改善することを示す。
論文 参考訳（メタデータ） (2020-10-27T08:51:30Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。