論文の概要: Can a Dynamic Internal Field Govern a Transformer's Cognition? Certifiability, not Superiority, in Homeostatic Compute Control

• arxiv url: http://arxiv.org/abs/2608.24319v1
• Date: Tue, 25 Aug 2026 09:47:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.925317
• Title: Can a Dynamic Internal Field Govern a Transformer's Cognition? Certifiability, not Superiority, in Homeostatic Compute Control
• Title（参考訳）: 変圧器の認知に動的内部場を与えることができるか?
• Abstract要約: インテリジェントなシステムは単に理性ではなく、独自の理性を支配する。 その役割は、それを実行せずに認知を調節する動的内部フィールドによって演じられるのか? Ours は、グラフ Laplacian 上の PDE の族によって支配される加群グラフ上の体である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An intelligent system does not merely reason: it governs its own reasoning - how much to compute, when to stop, which module to activate. Can that role be played by a dynamic internal field - a low-dimensional homeostatic state with explicit physics and certified stability - that modulates cognition without performing it? Ours is a field on the module graph governed by a family of PDEs on the graph Laplacian, advancing with an adaptive-depth reasoner. We certify the stability of the integrator of the whole family - an integrator certificate, not a closed-loop one. New, and proved here: a discrete Schur-Cohn criterion for Verlet with velocity coupling, necessary and sufficient per latent root, with no commutation hypothesis. The answer is threefold: substance no, structure only in part, certifiability yes. The type of the field's physics is irrelevant for accuracy: wave, diffusion, gated mixtures and a 2D Navier-Stokes substrate tie. A twenty-seed preregistered deconfounding campaign bounds the structural claim: at equalized caps the second-order effect is strong in one family (+0.087 [+0.042, +0.132], t=4.0) but is not detected in the other (+0.014 [-0.013, +0.040], n.s.), so part of the original contrast was capacity, not order; and a matched-interface GRU is indistinguishable in the first and nominally exceeds the field in the second (-0.035 [-0.067, -0.002]). What distinguishes the field is not capability but that its one-step operator admits an exact runtime stability check - a difference of kind, not of existence: learned recurrences carry certificates too, sufficient and conservative ones. A kill-gate with a positive control finds no evidence for the field as evidence accumulator (Delta AUC +0.0007 [-0.0065, +0.0079] vs a 0.03 threshold). A dynamic internal field is a viable, certifiable compute governor, but not an enhancer of cognition: it modulates, it does not think.
• Abstract（参考訳）: インテリジェントなシステムは単に理由を定めていない – 独自の推論 – 処理量,停止時期,起動するモジュールなど – を管理しているのだ。 その役割は、動的内部場(明示的な物理学と証明された安定性を持つ低次元のホメオスタティックな状態)によって演じられるか。 Ours は、ラプラシアンのグラフ上の PDE 族によって支配される加群グラフ上の体であり、適応深度推論器で前進する。 クローズドループではなく、インテグレータ証明書である、家族全体のインテグレータの安定性を証明します。 新しく、そしてここで証明された: 速度結合を持つヴェレットに対する離散的なシュル=コーンの基準は、可換仮説を持たない潜在根に対して必要で十分である。 答えは3つある: 物質はノー、構造は部分的にだけ、精通性はイエス。 場の物理学のタイプは、波動、拡散、ゲート混合、および2Dナビエ・ストークス基板のネクタイなど、正確性には無関係である。 2次効果は1つの族(+0.087[+0.042, +0.132], t=4.0)では強いが、他の族(+0.014[-0.013, +0.040], n.s.)では検出されないため、元のコントラストの一部は順序ではなく容量であり、マッチしたインタフェース GRU は第1の領域では区別不能であり、第2の領域(-0.035[-0.067, -0.002])では名目上はフィールドを超えている。 フィールドを区別するのは能力ではなく、そのワンステップオペレーターが正確なランタイム安定性チェック(この種の違いではなく、種類の違い)を認めていることだ。 正の制御を持つキルゲートは、エビデンスアキュミュレータとしてフィールドの証拠を発見できない(Delta AUC +0.0007 [-0.0065, +0.0079] 対 0.03 閾値)。 動的内部フィールドは実行可能で認証可能な計算管理者であるが、認知の強化ではない。

関連論文リスト

• Certifying bipartite entanglement on a superconducting processor from a corrected QAOA cost layer [0.0]
  バルセロナ・スーパーコンピュテーション・センターの9ビット超伝導プロセッサ、レッドについて, 事前登録した単一デバイスについて報告する。 補正されたQAOAコスト層を2量子トモグラフィ陰性度で深度1で保証する。 我々は装置物理を直接測定し、固定されたベル準備の事前登録操作において、CZパルス振幅を減少させ、認証された負性度を因果的に減少させる。
  論文  参考訳（メタデータ） (2026-09-08T22:23:35Z)
• Vision: Data-Centric Anchoring for Robust and Interpretable Agentic AI [21.406298170489507]
  我々は、堅牢性と解釈可能性は、トレーニング後のモデルから抽出するのではなく、データ環境に組み込むべきだと論じている。 私たちの中心的な貢献は、Curate、Augment、Constrain、Attributeの4段階フレームワークであるData-Centric Agentic Loopです。 このフレームワークは4つのコア障害モードをデータライフサイクルにリンクする、障害駆動型分類に基盤を置いています。
  論文  参考訳（メタデータ） (2026-09-08T03:57:54Z)
• The Cost of a Physics Prior Is Bounded by the Ablation Gap [0.0]
  形状制約と物理インフォームドラーニングは、事前の強制に要する精度のコストを報告している。 たいていの場合、無料の機能とバリデーションの分割のプロパティであることを示す。 制約付きモデルがトレーニングされる前に、未確認実験を拒否する2段階の画面を提供する。
  論文  参考訳（メタデータ） (2026-08-21T13:02:21Z)
• Probing and steering biology across Boltz-1s trunk-diffusion boundary [32.505127447635864]
  我々は、線形プローブ、スパースオートエンコーダ、因果介入を用いて、Pairformer trunkおよびBoltz-1の拡散モジュールからの残基当たりの活性化を分析する。 訓練されたトランクおよび拡散SAE,Boltz-1/residueアクティベーションおよび解析コードをリリースする。
  論文  参考訳（メタデータ） (2026-08-11T22:25:42Z)
• Is Convergence Inevitable? Tracing Output Homogeneity Back to Base Models [49.46165710676499]
  最初のアライメント段階から意味収束が観察される。 我々は収束を明らかにし増幅することができるが、SFTデータでは導入されないことを発見した。 その結果,LMトレーニングの根底にある目的から,意味収束が自然に生じる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-08-11T20:47:06Z)
• Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
  機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。 スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
  論文  参考訳（メタデータ） (2026-08-10T19:42:01Z)
• CausalNav: Reliability-Certified Causal World Models for Control under Physical-Parameter Shift [4.0604823050005345]
  CausalNavは、特定状態座標上の署名付きアクション条件遷移グラフを中心に構築されたコントローラである。 CausalNavはデプロイメント時に、介入シーケンスの小さなライブラリをシミュレートし、客観的エラーをポリシ-ログアドバイスに変換する。 我々はCartPole-v1とPendulum-v1の9つの制御基線について評価した。
  論文  参考訳（メタデータ） (2026-08-07T23:16:57Z)
• Intrinsic-Noise Consolidation: A Doob-Barrier-Conditioned Diffusion Turns Analog Device Noise into a Continual-Learning Resource [0.0]
  アナログニューロモルフィックハードウェアでは、固有のデバイスノイズは通常精度税である。 シングルヘッドのスプリット-MNIST (8シード)ルールでは、最適な内部で保持率10.9ポイントを上昇させる。 実際のBrainScaleS-2(オンチップ平均化による追加的、トライアル・ツー・トライアル・インディペンデント、チューナブル)の固有ノイズを測定し、トレーニングループのノイズでチップ上でルールを実行する。
  論文  参考訳（メタデータ） (2026-07-08T02:38:02Z)
• Effective Dimension Governs Generalization in Quantum Kernel Vision Models [31.082191748525137]
  エンタングルメント構造と量子ノイズは、$d_rm eff$を移動させる2つのノブであることを示す。 振幅減衰契約を$d_rm eff$とし、逆Uスイートスポットに沿ってテスト精度を最大+13%引き上げる。
  論文  参考訳（メタデータ） (2026-06-18T12:55:59Z)
• Descriptive versus Regulatory Uncertainty in Bounded Predictive Systems [0.0]
  現在のトランスフォーマーアーキテクチャは推論における記述的不確実性に限られていることを証明する。 トークンレベルのシャノンエントロピーは、パターン検索、因果作用素応用、分布外因果一般化にまたがるタスクで統計的に不変である。
  論文  参考訳（メタデータ） (2026-05-17T17:41:57Z)
• Decomposing Evolutionary Mixture-of-LoRA Architectures: The Routing Lever, the Lifecycle Penalty, and a Substrate-Conditional Boundary [3.151184728006369]
  我々は、LoRAシステムの進化的混合を、ルータの書き換え、ドメイン単位の離脱評価スコープ、死のライフサイクル、アルファブレンド継承、SVD突然変異、スロット再配置の3つの要因に分解する。 合成サンドボックスは、制御チャネル上の進化的探索は、タスクに予め整列している場合にのみ負荷を受ける。
  論文  参考訳（メタデータ） (2026-05-11T18:59:11Z)
• Project and Generate: Divergence-Free Neural Operators for Incompressible Flows [20.191712078154413]
  流体力学の学習ベースモデルは制約のない関数空間で動作し、物理的に許容できないシミュレーションをもたらす。 本稿では,非圧縮性連続性方程式を決定論的および生成的モデリングの両面において,困難かつ本質的な制約として適用する統一的枠組みを提案する。 2次元ナビエ・ストークス方程式の実験では、離散化誤差まで正確に非圧縮性を示し、安定性と物理的整合性を大幅に改善した。
  論文  参考訳（メタデータ） (2026-03-25T16:40:58Z)
• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)
• State-dependent Trotter Limits and their approximations [44.99833362998488]
  この近似離散化物理学の有効性を結論付けるのに十分な条件を与える。 本質的には、状態依存のトロッター誤差に依存する。
  論文  参考訳（メタデータ） (2022-09-29T13:53:24Z)

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。