Fugu-MT 論文翻訳(概要): Pessimistic Meta-Induction and Its Limits: Lessons from Frequentist Statistics and Machine Learning Theory

論文の概要: Pessimistic Meta-Induction and Its Limits: Lessons from Frequentist Statistics and Machine Learning Theory

arxiv url: http://arxiv.org/abs/2608.17213v1
Date: Mon, 17 Aug 2026 23:51:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 21:40:53.164011
Title: Pessimistic Meta-Induction and Its Limits: Lessons from Frequentist Statistics and Machine Learning Theory
Title（参考訳）: 悲観的メタインダクションとその限界:周波数統計学と機械学習理論からの教訓
Abstract要約: 本稿では,その帰納的前提を損なうことに対する悲観的メタ帰納的議論に挑戦する。通常の数え上げ帰納法は収束を達成できるが、メタ帰納法はほとんど至る所で達成できない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper challenges the pessimistic meta-inductive argument against scientific realism by undermining its inductive step rather than its historical premise. Although related challenges already exist, I develop a new one. Drawing on a general epistemology of scientific inference developed in frequentist statistics, machine learning, and formal epistemology, I evaluate induction in terms of convergence to the truth. I argue that ordinary enumerative induction can achieve everywhere convergence, whereas meta-induction fails even to achieve almost everywhere convergence. Indeed, in the problem context where meta-induction arises, the failure is deeper: no inference method whatsoever achieves almost everywhere convergence.
Abstract（参考訳）: 本稿では,科学的リアリズムに対する悲観的メタ帰納的議論に挑戦する。関連する課題はすでにありますが、私は新しいものを開発しています。頻繁な統計、機械学習、形式的認識学で発達した科学的推論の一般的な認識論に基づいて、真理への収束の観点から誘導を評価する。通常の数え上げ帰納法は至る所収束を達成できるが、メタ帰納法はほとんど至る所収束を達成できない。実際、メタ推論が発生する問題コンテキストでは、失敗はより深く、ほとんど至る所で達成される推論手法は存在しない。

関連論文リスト

Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
論文参考訳（メタデータ） (2026-03-20T09:20:12Z)
ARCHE: A Novel Task to Evaluate LLMs on Latent Reasoning Chain Extraction [70.53044880892196]
本稿では、複雑な推論引数を標準推論パラダイムの組み合わせに分解し、Reasoning Logic Tree (RLT) という形で分解しなければならない、ARCHE(Latent Reasoning Chain extract)という新しいタスクを紹介する。この作業を容易にするために,我々は,1,900以上の参照と38,000の視点を含む70のNature Communicationsの記事から得られた新しいベンチマークであるARCHE Benchをリリースする。 ARCHE Bench上での10のLLMの評価では、モデルがREAとECのトレードオフを示しており、完全な標準推論チェーンを抽出することはできません。
論文参考訳（メタデータ） (2025-11-16T07:37:09Z)
Quantum Abduction: A New Paradigm for Reasoning under Uncertainty [0.0]
本稿では、重ね合わせの仮説をモデル化し、構成的または破壊的に干渉できるパラダイムである量子アブダクションを紹介する。ケーススタディは歴史的謎、文学的な実演、医学的診断、科学的理論の変化に及んでいる。
論文参考訳（メタデータ） (2025-09-21T07:41:49Z)
Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
音の誘惑的推論は、一般知能の必然的に望ましい側面である。もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
論文参考訳（メタデータ） (2025-06-30T14:37:50Z)
Learning Model Successors [31.25792515137003]
我々は、トレーニングで観察された有限標本に基づいて、統一テーマは誘導であると主張する。本稿では,モデル継承という中心的な概念を取り入れた新しい学習パラダイム,インダクティブラーニングを提案する。
論文参考訳（メタデータ） (2025-01-31T22:27:09Z)
On the Convergence of Gradient Descent for Large Learning Rates [55.33626480243135]
固定ステップサイズを使用すると収束が不可能であることを示す。正方形損失を持つ線形ニューラルネットワークの場合,これを証明した。また、勾配に対するリプシッツ連続性のような強い仮定を必要とせず、より一般的な損失に対する収束の不可能性も証明する。
論文参考訳（メタデータ） (2024-02-20T16:01:42Z)
When Is Inductive Inference Possible? [3.4991031406102238]
オンライン学習理論への新たなリンクを確立することにより,帰納的推論の厳密な特徴付けを行う。帰納的推論が可能であることは、仮説クラスがオンライン学習可能なクラスの可算和である場合に限る。私たちの主要な技術ツールは、新しい一様でないオンライン学習フレームワークです。
論文参考訳（メタデータ） (2023-11-30T20:02:25Z)
On playing gods: The fallacy of the many-worlds interpretation [0.0]
本稿では、量子論のいわゆる多世界解釈(MWI)を論証する方法論的議論を示す。実際、MWIが主要な例である理論のクラス全体が、自然科学に関する事実と呼ばれる科学の基本的な信条を満たすことに失敗していることを示している。
論文参考訳（メタデータ） (2023-11-06T19:08:24Z)
Unconventional mechanism of virtual-state population through dissipation [125.99533416395765]
オープン量子系において、仮想状態が長い時間で大きな人口を獲得できる現象を報告する。これは、仮想状態が無人口のままである状況は、メタスタブルであることを意味する。これらの結果は、相互作用する量子ビットの散逸系における安定かつ準安定な絡み合った状態の生成のような実践的な問題にどのように関係するかを示す。
論文参考訳（メタデータ） (2022-02-24T17:09:43Z)
Quantum realism: axiomatization and quantification [77.34726150561087]
我々は、量子リアリズムの公理化(量子論と相容れないリアリズムの概念)を構築する。提案された公理のほとんどすべてを満たすことを示すエントロピー量化器のクラスを明示的に構成する。
論文参考訳（メタデータ） (2021-10-10T18:08:42Z)
Induction, Popper, and machine learning [0.0]
現在使われているほとんどのAIアルゴリズムは、進化的試行と、ソリューション空間を探索するエラープロセスを用いて理解することができる。普遍的なダーウィンのフレームワークは、AIシステムを理解するためのより良い基盤を提供する、と我々は主張する。
論文参考訳（メタデータ） (2021-10-02T16:52:28Z)

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。