論文の概要: Intrinsic-Extrinsic Coupling in Learning Dynamics

• arxiv url: http://arxiv.org/abs/2609.30185v1
• Date: Thu, 24 Sep 2026 17:30:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.169316
• Title: Intrinsic-Extrinsic Coupling in Learning Dynamics
• Title（参考訳）: 学習ダイナミクスにおける内在的・外在的結合
• Abstract要約: 制約付き学習状態介入の継続条件値を用いて本質的・外生的結合を定式化する。 我々は,地域の許容度,継続条件付き介入値,完全政治性能を区別する。
• 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: A learner's current observations need not determine its response to further training. We formulate intrinsic-extrinsic coupling through the continuation-conditioned value of a constrained learning-state intervention, with observation-relative fibers describing present agreement. An executable finite-frame classifier-head write protects current logits while repairing specified historical margins under finite-precision acceptance checks. We distinguish local admissibility, continuation-conditioned intervention value, and complete-policy performance. A matched four-cell contrast identifies readout-specific non-additivity between the same intrinsic intervention and alternative external continuations. In a CLINC-derived class-incremental setting, replay changes the write's 32-update contribution from five correct predictions to zero. Nonzero interactions also occur under output distillation, with a RoBERTa backbone, and under optimizer-native SGDW dynamics. Under SGDW, correct-count interactions are negative in all three activated roots at 128 updates, showing that coupling need not imply positive synergy. The mathematical analysis distinguishes feasible local repairs and favorable terminal outputs from training-reachable repair regions. Separate coordination tests show that content controls match or exceed the development gain, while a five-root fresh-test comparison with Fiber present in every arm shows root-dependent rather than uniformly beneficial correct-count effects. On the secondary cross-entropy readout, guided allocation yields lower mean loss than standard replay in all five pairs. Together, these results make intrinsic-extrinsic coupling operational by connecting executable state geometry to continuation-conditioned value, matched interaction identification, and closed-loop coordination, while separating identified coupling from complete-policy performance.
• Abstract（参考訳）: 学習者の現在の観察は、さらなる訓練に対する反応を判断する必要はない。 我々は,制約付き学習状態介入の継続条件値を通じて本質的・外在的結合を定式化し,現状の合意を記述した観察関連繊維を用いて定式化する。 実行可能な有限フレーム分類器-ヘッドライトは、有限精度の受け入れチェックの下で特定の履歴マージンを修復しながら、現在のロジットを保護する。 我々は,地域の許容度,継続条件付き介入値,完全政治性能を区別する。 一致した4細胞コントラストは、同じ内在的介入と代替外部継続の間の読み出し特異的な非付加性を特定する。 CLINCから派生したクラスインクリメンタル設定では、リプレイは書き込みの32の更新コントリビューションを5つの正しい予測から0に変更する。 非ゼロ相互作用は、出力蒸留、RoBERTaバックボーン、およびオプティマイザネイティブSGDWダイナミクスの下でも起こる。 SGDWの下では、正数相互作用は128回の更新で3つの活性化根で負であり、カップリングは正の相乗効果を示さないことを示している。 数学的解析は、訓練可能な修復領域から、実現可能な局所的な修復と好適な終端出力を区別する。 個別調整試験は、コンテンツ制御が開発利益と一致しているか超えるかを示す一方、各腕に存在するファイバとの比較では、一様に有利な正数効果ではなく、ルート依存性を示す。 第2のクロスエントロピー読み出しでは、ガイドされたアロケーションは5つのペアすべてにおいて標準リプレイよりも平均損失が低い。 これらの結果は, 連続条件付き値, 一致した相互作用識別, 閉ループ協調とを接続し, 同定された結合と完全政治性能を分離することにより, 内在結合を動作させる。

関連論文リスト

• Algebraic Consistency Alone Does Not Certify Temporal Structure in Latent Action Models [18.86499205164955]
  アクションモデルは、アクションフリービデオの2つのフレーム間の遷移のコードを推論する。 近年の手法では、この符号を正則化して加法的および反対称的に構成する。 この結論は従わないことを示す。
  論文  参考訳（メタデータ） (2026-09-20T09:03:21Z)
• When Interference Graphs Evolve: Doubly Robust Estimation of Dynamic Peer Effects [1.049126606580198]
  我々は,自己治療,時間的に集約されたピア露光,および課題後の進化の要約によって潜在的な結果をインデックスする制御されたコントラストフレームワークを導入する。 時間分解確率と正規化オーグメンテーションを組み合わせた動的ネットワーク二重ロバスト推定器DynaNet-DRを開発した。
  論文  参考訳（メタデータ） (2026-08-27T14:32:40Z)
• Convex-Hull-Neighborhood Smooth Dual Generalization: Controlling Local Correction Propagation in Offline RL [7.803284875836737]
  ブートストラップは オフライン強化学習における 推定誤差を増幅する 本稿では,ベルマンのバックアップをサンプル値のターゲットとして表現し,CHN局所補正を行うConvex Hull Neborhood Smooth Dual Generalizationを提案する。 Gym-MuJoCoとAntMazeの実験は、強力な集約性能と安定した値推定を示す。
  論文  参考訳（メタデータ） (2026-08-04T04:30:02Z)
• The Quadrilateral Loss: Additivity as a Measurable Behavior of Dense Neural Networks [0.0]
  積算性を測定可能な振る舞いとして扱う4次的損失,すなわち微分可能なペナルティを導入する。 我々は, 正確な添加率, 構造マスク, 行動的ペナルティ, 体重減少, バックフィッティング, 共有断面モデル, バンチ強化切り株の経路を比較した。
  論文  参考訳（メタデータ） (2026-07-22T14:23:37Z)
• Causal Optimizer Interaction Calculus: Hidden Geometric Relaxation and Identifiable Interventions [0.0]
  我々は、パスワイズ実現、Mobius分解、実験的同定を分離する因果強度相互作用計算を開発した。 スムース隠れ緩和は、逆構造剛性を通して相互作用を生成する。
  論文  参考訳（メタデータ） (2026-07-08T09:40:44Z)
• Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
  CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。 シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-11T10:47:22Z)
• 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)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• The Lie of the Average: How Class Incremental Learning Evaluation Deceives You? [48.83567710215299]
  クラスインクリメンタルラーニング(CIL)では、モデルが学習済みのクラスを忘れずに、新しいクラスを継続的に学習する必要がある。 我々は、ロバストなCIL評価プロトコルは、性能分布全体を正確に特徴付け、推定するべきであると論じる。 我々は,タスク間類似度を用いて,極端なクラスシーケンスを適応的に識別し,サンプリングする評価プロトコルEDGEを提案する。
  論文  参考訳（メタデータ） (2025-09-26T17:00:15Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)

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。