論文の概要: The Geometry of Empowerment

• arxiv url: http://arxiv.org/abs/2610.07796v1
• Date: Tue, 06 Oct 2026 05:45:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.832277
• Title: The Geometry of Empowerment
• Title（参考訳）: エンパワーメントの幾何学
• Abstract要約: エンパワーメントは、エージェントがその環境を積極的に制御する能力を取得する。 我々は、エンパワーメントの解釈と分析のための新しいジオメトリを提供するために、エンパワーメントとスキルラーニングの手法をリンクする。
• 参考スコア（独自算出の注目度）: 73.41494292749724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Empowerment captures the capacity for an agent to actively control its environment. While conceptually appealing as an information-theoretic quantity, the connection between empowerment and structurally central states that provide broad access to future outcomes has remained an open question. In this work, we link empowerment maximization and skill-learning methods to provide new geometries for interpreting and analyzing empowerment. Our analyses answer longstanding open questions on the connections between empowerment and structural centrality. Our analyses also reveal distinctions between information and reward geometries, highlighting important theoretical implications to build scalable empowerment-maximization methods. Website and code can be found at https://empowerment-geometry.github.io/.
• Abstract（参考訳）: エンパワーメントは、エージェントがその環境を積極的に制御する能力を取得する。 情報理論の量として概念的にアピールする一方で、将来の成果に幅広いアクセスを提供するエンパワーメントと構造的に中心的な国家とのつながりは、未解決の問題のままである。 本研究では、エンパワーメントの最大化とスキルラーニングの手法を結びつけて、エンパワーメントの解釈と分析のための新しいジオメトリを提供する。 我々の分析は、エンパワーメントと構造中心性との関係に関する長年のオープンな疑問に答える。 また,情報量と報奨量とを区別し,拡張性のあるエンパワーメント最大化手法を構築する上で重要な理論的意味を明らかにする。 Webサイトとコードはhttps://empowerment-geometry.github.io/で見ることができる。

関連論文リスト

• Quantifying the Knowledge Proximity Between Academic and Industry Research: An Entity and Semantic Perspective [7.232456257799662]
  学術と産業は、相互整形と動的フィードバック機構によって特徴づけられる。 既存の研究は、主に協力論文や特許の数などのマクロ指標に依存している。 本研究では, 微粒な実体と意味空間を通して, 学術・産業共進化の軌跡を定量化する。
  論文  参考訳（メタデータ） (2026-02-05T02:12:47Z)
• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• The Power of Network Pluralism: Multi-Perspective Modeling of Heterogeneous Legal Document Networks [5.170807667319542]
  本稿では,マルチパースペクティビティを活用し,より完全で有意義でロバストな結果を得る概念的枠組みとして,ネットワーク多元論を紹介した。 我々は、複雑な法体系のハンズオン分析を通じて、このアプローチの利点を開発し、実証する。 我々の研究は、ドメイン駆動ネットワーク研究におけるネットワーク多元論の広範な採用を促進するための青写真として機能する。
  論文  参考訳（メタデータ） (2025-12-05T12:47:43Z)
• Task Adaptation from Skills: Information Geometry, Disentanglement, and New Objectives for Unsupervised Reinforcement Learning [51.64159273322819]
  教師なし強化学習(URL)は、下流タスクの一般的なスキルを学ぶことを目的としている。 相互情報スキル学習(Mitual Information Skill Learning、MISL)は、状態とスキル間の相互情報を最大化することでURLに対処する。 ダウンストリームタスク適応には,学習スキルの多様性と分離性が不可欠であることを示す。
  論文  参考訳（メタデータ） (2025-06-12T12:13:58Z)
• Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks [0.0]
  エージェント型で自律的なグラフ拡張フレームワークを提案し、そこで知識を反復的に構造化し、洗練する。 各ステップにおいて、システムは、新しい概念と関係を積極的に生成し、それらをグローバルグラフにマージし、その進化した構造に基づいて後続のプロンプトを定式化する。 分析の結果,高度に連結された「ハブ」の概念の台頭や「ブリッジ」ノードのシフトの影響など,創発的なパターンが明らかとなり,エージェント的,自己強化的なグラフ構築がオープンで一貫性のある知識構造をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2025-02-18T16:44:42Z)
• GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。 GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• Perspective in Opinion Dynamics on Complex Convex Domains of Time Networks for Addiction, Forgetting [0.0]
  本稿では,A層とB層を含むモデルを提案する。 また, ある条件下での層A, A', B', B'における依存度や忘れ度の変化をモデル化する。
  論文  参考訳（メタデータ） (2023-11-26T14:36:32Z)
• Hierarchical Empowerment: Towards Tractable Empowerment-Based Skill Learning [65.41865750258775]
  汎用エージェントは、大量のスキルのレパートリーを必要とする。 我々は、コンピューティングのエンパワーメントをより魅力的にする新しいフレームワーク、階層エンパワーメントを導入します。 一般的なアリナビゲーション領域では、我々の4つのレベルエージェントは、以前の作業よりも2桁大きい表面積をカバーするスキルを学ぶことができる。
  論文  参考訳（メタデータ） (2023-07-06T02:27:05Z)

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。