論文の概要: Semantic Lenia: Emergence of Homeostatic Solitons within the Semantic Space of Large Language Models

• arxiv url: http://arxiv.org/abs/2608.11657v1
• Date: Wed, 12 Aug 2026 04:56:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.454425
• Title: Semantic Lenia: Emergence of Homeostatic Solitons within the Semantic Space of Large Language Models
• Title（参考訳）: セマンティック・レニア : 大規模言語モデルのセマンティック空間におけるホメオスタティック・ソリトンの発生
• Abstract要約: 本稿では,Large Language Model (LLM) 推論を変換する人工生命体であるSemantic Leniaを紹介する。 繰り返し結晶化を避けるため, 巨視的散逸構造の出現を実証する。
• 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: We introduce Semantic Lenia, an artificial life framework that transforms Large Language Model (LLM) inference from a static optimization problem into a continuous dynamical system within the macroscopic logit space. By establishing a non-linear homeostatic feedback loop to dynamically balance semantic attraction and syntactic repulsion, we demonstrate the emergence of "Autonomous Semantic Solitons" -- macroscopic dissipative structures that avoid repetitive crystallization. Our exhaustive parameter sweeps map a critical "Habitable Ridge" where applied steering forces perfectly balance the model's intrinsic syntactic inertia. This approach successfully maintains generative trajectories at the edge of chaos, triggering profound abductive leaps without structural collapse and establishing a physical scaling law for machine cognition.
• Abstract（参考訳）: 本稿では,Large Language Model (LLM) 推論を静的最適化問題からマクロロジット空間内の連続力学系に変換する人工生命体であるSemantic Leniaを紹介する。 セマンティック・アトラクションと構文的反発を動的にバランスさせる非線形ホメオスタティックフィードバックループを確立することで、繰り返し結晶化を避けるマクロな散逸構造である「自律的セマンティック・ソリトン」の出現を実証する。 私たちの徹底したパラメータは、モデル固有の構文慣性慣性を完全にバランスさせる、重要な「ハビタブルリッジ」をマッピングします。 このアプローチはカオスの端における生成的軌道の維持に成功し、構造的崩壊を伴わずに深い誘導的跳躍を引き起こし、マシン認知のための物理的スケーリング法則を確立する。

関連論文リスト

• Fluctuation-Induced Bistability in the Dissipative Dynamics of Generic Cavity-Matter Quantum Systems [0.0]
  フォトニック遷移と多体エネルギースケールの共鳴に基づく共通顕微鏡機構を同定する。 本研究では, 揺らぎ誘起不安定性の定常特性と, 有限時間における動的生成の両方を研究するための相補的手法を開発した。 その結果, 発散性キャビティ結合多体系の普遍的特徴として, 揺らぎ誘起安定性が確立された。
  論文  参考訳（メタデータ） (2026-07-23T13:21:19Z)
• CaLiSym: Learning Symplectic Dynamics of Real-World Systems through Structured Canonical Lifts [5.265601895449634]
  CaLiSymは、幾何学的事前が課される場所を変更することで、シンプレクティック学習をそのようなシステムに拡張する軽量フレームワークである。 フレームワークをSympNet予測器でインスタンス化し、正確なシンプレクティック構造と近似を組み合わせたB-スプライン変種であるGRB-SympNetを導入する。 持ち上げられた力学はシンプレクティックな形式を数値的な精度に保ち、シンプレクティックな学習は保守的な力学を超えて現実世界のロボティクスへと拡張する。
  論文  参考訳（メタデータ） (2026-07-07T21:41:59Z)
• Decoupling band topology from criticality in bosonic systems [0.0]
  二次ボソニックハミルトニアン (QBHs) によって記述されたシステムの臨界性の新たな理解は、長距離相関の出現と動的安定性の境界を結びつける。 バンドトポロジと境界物理学との相互作用を考察する。
  論文  参考訳（メタデータ） (2026-07-01T18:00:08Z)
• Learning Spatio-Temporal Foundation Models from Pure Synthetic Data [85.23980441738811]
  NeoSTは、現実バイアスに対するスケーラブルな合成学習コーパスであり、複数の将来の軌跡を反復的に生成・洗練する潜在空間推論アーキテクチャであり、構造的ダイナミクスを強調し、分散シフトの下で推論時間補正を可能にする潜在空間目的である。 様々な実世界のベンチマークによる大規模な実験は、NeoSTが様々な実世界の時間系において既存のSTFMより一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2026-06-27T02:56:46Z)
• Dimension-Free Saddle-Point Escape in Muon [10.480246288279517]
  現代大規模言語モデル(LLM)のトレーニングは、非常に高次元の風景において、病理学的に平坦なサドルポイントによってボトルネックとなる。 この課題に動機づけられた我々は、新興ムオンのサドルポイントエスケープダイナミクスを解析した。
  論文  参考訳（メタデータ） (2026-05-10T05:06:07Z)
• Structural Instability of Feature Composition [2.5754366051855837]
  球状辞書モデルに基づく合成-崩壊しきい値について検討する。 高バイアス状態においては、ReLUは顕微鏡的相関による変動変動を系統的なドリフトに変換する。 CLEVRから抽出した構造化セマンティックな特徴に対するスケーリングの予測傾向を検証した。
  論文  参考訳（メタデータ） (2026-04-18T05:53:31Z)
• Gravitationally induced wave-function collapse from dynamical bifurcation [0.0]
  波動関数の崩壊は、重力的自己相互作用によって引き起こされ、短距離反発によって制御される決定論的動的不安定性として現れることを示す。 このメカニズムは、シュルディンガー-ニュートン型モデルを拡張し、重力によって引き起こされる病理学的局在を制御的かつ定量的に実現する。
  論文  参考訳（メタデータ） (2026-04-17T15:15:38Z)
• MotionCFG: Boosting Motion Dynamics via Stochastic Concept Perturbation [60.48914865049489]
  MotionCFGは、ターゲットコンセプトとノイズブレーブの概念を対比することにより、モーションダイナミクスを強化するフレームワークである。 明示的な否定とは異なり、このアプローチはグローバルな意味的アイデンティティをシフトすることなく暗黙的な否定的なガイダンスを促進する。 MotionCFGは、最先端のT2Vフレームワーク間のモーションダイナミクスを一貫して改善する。
  論文  参考訳（メタデータ） (2026-03-14T18:39:37Z)
• Emergent Manifold Separability during Reasoning in Large Language Models [46.78826734548872]
  Chain-of-Thoughtは大規模言語モデルの推論を大幅に改善する。 本研究では,潜伏表現の線形分離性について,探究訓練の難易度を考慮せずに定量化する。
  論文  参考訳（メタデータ） (2026-02-23T20:36:17Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• Dynamical metastability and transient topological magnons in interacting driven-dissipative magnetic systems [0.0]
  動的メタスタビリティを非線形で相互作用する状態に拡張し、磁気ヘテロ構造を探査の自然なプラットフォームとして同定する。 本研究は非線形力学における動的メタスタビリティに関する最初の体系的研究である。
  論文  参考訳（メタデータ） (2026-02-13T19:00:04Z)
• Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
  環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。 WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-19T17:33:31Z)
• Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
  リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。 線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。 数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
  論文  参考訳（メタデータ） (2025-04-16T10:39:43Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。