論文の概要: Predictive Allostatic Organization in Recurrent and Spiking Agents Under Partial Observability

• arxiv url: http://arxiv.org/abs/2608.11506v1
• Date: Tue, 11 Aug 2026 23:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.403001
• Title: Predictive Allostatic Organization in Recurrent and Spiking Agents Under Partial Observability
• Title（参考訳）: 部分観察性下における反復スパイク剤の予測的アロスタティック組織
• Abstract要約: 我々は、繰り返しおよびスパイク剤が、対応する計算特性を持つ内部状態を発達させるかどうかを検証した。 我々はこのパターンを予測的アロスタティックな組織の計算的類似体と解釈する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptive behavior under partial observability depends on internal organization that carries information beyond the current observation. Drawing on Barrett and Miller's account of categorization as predictive, compressive, functionally organized, and allostatically constrained, we test whether recurrent and spiking agents develop internal states with corresponding computational properties. Agents operate in an energy-constrained foraging task requiring resource acquisition, threat avoidance, contact-dependent consumption, and regulation of an internal energy variable. In a frozen benchmark, learned agents outperform random and heuristic baselines; the trace-augmented recurrent policy is strongest overall, while spiking variants show stress-specific differences. Early internal dynamics predict later full-safe-efficient success above permutation baseline, reaching a maximum ROC-AUC of 0.802. Reduced PCA subspaces retain behaviorally relevant information. Feature-family controls show that predictive signal is distributed across trace, policy-head, internal-dynamics, observation, and allostatic variables, and low-energy state remains strongly decodable after explicit energy-related features are removed. Evaluation-time perturbations to temporal state, sensory information, operating conditions, and allostatic mechanisms alter behavior and/or internal prediction. Seed-balanced event probes show weaker but measurable information about future contact, successful consumption, and threat events, alongside strong low-energy decoding. We interpret this pattern as a computational analogue of predictive allostatic organization: distributed control regimes that are predictive, energy-sensitive, action-relevant, and partly causally involved, without claiming biological validation or discrete symbolic categories.
• Abstract（参考訳）: 部分観測可能性の下での適応的な行動は、現在の観測以上の情報を運ぶ内部組織に依存する。 バレットとミラーの分類を予測的, 圧縮的, 機能的, およびアロスタティックな制約として記述し, 繰り返しおよびスパイク剤が対応する計算特性を持つ内部状態を発達させるかどうかを検証した。 エージェントは、資源の獲得、脅威回避、接触依存消費、および内部エネルギー変数の規制を必要とするエネルギー制約された採餌タスクで機能する。 凍結されたベンチマークでは、学習エージェントはランダムでヒューリスティックなベースラインよりも優れており、トレース強化されたリカレントポリシーは全体的に最強であり、スパイキング変異はストレス固有の違いを示している。 初期の内部力学は、置換ベースラインよりも後の完全安全効率の高い成功を予測し、最大LOC-AUCは0.802に達した。 縮小PCAサブスペースは行動関連情報を保持する。 特徴ファミリー制御は、予測信号がトレース、ポリシーヘッド、内部力学、観察、アロスタティック変数に分散していることを示し、低エネルギー状態は、明示的なエネルギー関連の特徴が取り除かれた後も強く消耗することを示した。 時間的状態、感覚情報、手術条件、同調機構に対する評価時間の摂動は、行動や内的予測を変化させる。 シードバランスのイベントプローブは、強力な低エネルギーデコードとともに、将来の接触、消費の成功、脅威イベントに関するより弱いが測定可能な情報を示す。 我々は、このパターンを、予測的、エネルギー感受性、行動関連性、部分的に因果関係のある分散制御機構の計算的類似体として解釈する。

関連論文リスト

• Emergent Latent-State Computation under Stochastic Volatility [3.8881341075549947]
  本研究では, 雑音下, 部分的に観察された潜在力学を内部的に表現するモデルについて検討した。 アーキテクチャ、損失、出力ヘッド全体にわたって、我々は2段階の計算の証拠を見つけ出す。 これらの結果は、ボラティリティモデルが雑音の潜在力学と部分観測可能性の下での解釈可能性に有用なベンチマークを提供することを示唆している。
  論文  参考訳（メタデータ） (2026-07-28T08:49:48Z)
• Structured Fluctuations and the Information Dynamics of Self-Maintenance in Growing Neural Cellular Automata [0.7498027847107155]
  成長するニューラルセルオートマタ(GNCA)は、堅牢な自己維持と自己修復を可能にする。 内部のゆらぎは情報の流れ、調整、そして誘引的リカレント状態への回帰を支援する機能成分として機能することを示す。
  論文  参考訳（メタデータ） (2026-07-14T06:23:20Z)
• Monitoring the Internal Monologue: Probe Trajectories Reveal Reasoning Dynamics [42.27928681606673]
  大規模推論モデル (LRM) は, 思考の連鎖 (CoT) 推論を通じて, 安全監視のための新たな機会を導入する。 本研究では,LRMの隠れ表現について検討し,今後の挙動をプロンプトおよびCoT表現から予測できるかどうかを検証した。 将来のモデル行動は, 単一の静的予測より, 完全な軌道上での検証において, より区別し易いことが判明した。
  論文  参考訳（メタデータ） (2026-05-18T15:29:04Z)
• Mitigating Error Amplification in Fast Adversarial Training [58.74042726356826]
  FAT(Fast Adversarial Training)は、ネットワークに摂動不変表現の学習を促すことによって、モデルロバスト性の向上に有効であることが証明されている。 FATは、しばしば破滅的なオーバーフィッティング(CO)に悩まされ、モデルがトレーニングアタックに過度に適合し、目に見えないものへの一般化に失敗する。 本稿では、摂動予算と監視信号の両方を動的に調整する分散対応動的ガイダンス(DDG)戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:23:18Z)
• Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
  制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。 本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。 我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
  論文  参考訳（メタデータ） (2026-03-31T17:30:25Z)
• 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)
• When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment [0.0]
  高度なAIシステムの安全性評価は、評価の下で観察された振る舞いがデプロイメントの振る舞いを予測することを前提としている。 部分観測可能性下での情報流問題としてアライメント評価をリキャストする。 我々は、レギュラー・ブラインド・メカニズム、レギュラー・キューへのアクセスを制限する訓練時間介入について研究する。
  論文  参考訳（メタデータ） (2026-02-09T10:00:24Z)
• When Benign Inputs Lead to Severe Harms: Eliciting Unsafe Unintended Behaviors of Computer-Use Agents [90.05202259420138]
  意図しないコンピュータ利用エージェントは、良質な入力コンテキストの下でも期待された結果から逸脱することができる。 意図しないCUA行動に対する最初の概念的および方法論的枠組みを紹介する。 本稿では,CUA実行フィードバックを用いた命令を反復的に摂動するエージェントフレームワークであるAutoElicitを提案する。
  論文  参考訳（メタデータ） (2026-02-09T03:20:11Z)
• Emergence of Internal State-Modulated Swarming in Multi-Agent Patch Foraging System [0.5753241925582826]
  活性粒子 (英: Active Particle) は、エネルギーを消費することによって持続的な平衡運動を維持する物質である。 非協力的な採餌作業を行っている間、群集における群集行動の出現は、環境の部分的観察可能性に起因する。 資源パッチが欠如している場合,群集の形で群集の出現を示す。
  論文  参考訳（メタデータ） (2025-10-14T08:50:18Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
  ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。 MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。 時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
  論文  参考訳（メタデータ） (2024-04-25T12:47:47Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。