論文の概要: Synergetic Autonomous Intelligence: Three Axioms for Recursive Semi-Closed Learning

• arxiv url: http://arxiv.org/abs/2611.01070v1
• Date: Sat, 31 Oct 2026 16:09:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:33:43.568042
• Title: Synergetic Autonomous Intelligence: Three Axioms for Recursive Semi-Closed Learning
• Title（参考訳）: Synergetic Self Intelligence: 再帰的なセミクローズドラーニングのための3つの公理
• Abstract要約: SAI(Synergetic Autonomous Intelligence)は,学習を継続しながら関係を形成・保存・修正・構成する学習システムの理論・設計プログラムである。 SAIは3つの公理上に構築されている: 連続的な区別は孤児化してはならない(U)、アイデンティティは宣言された契約(I)の下での将来の忠実な継続によって決定され、未解決の欠陥は最下位の学年(L)において最小の法的な局地的な完成によって修復される(L)。
• 参考スコア（独自算出の注目度）: 22.84802186806482
• License:
• Abstract: We introduce Synergetic Autonomous Intelligence (SAI), a theory and design program for learning systems that form, preserve, revise, and compose relations while continuing to learn. SAI is built on three axioms: consequential distinctions must not become orphaned (U); identity is determined by future-faithful continuation under a declared contract (I); and unresolved defects are repaired by the least lawful local completion at the lowest admitted grade (L). We model a model, agent, tool, team, or environment boundary as a recursive semi-closed system with a Kernel-Ring representation, a Compile-Open-Participate cycle, and a typed residual comparing actual with claimed continuation. Under explicit finite or affine contracts, we establish relative consistency and conditional non-redundancy of U/I/L, characterize a contract-relative semantic quotient, construct an exact joint stochastic refinement, derive a constrained residual contraction, prove finite-horizon continued-service viability, and give an executed-intervention identification result with an observational-confounding boundary. We define GRC-Close as the generative and repair schema for this contract. The framework also gives finite contracts for action-effect-feedback loop re-entry, partial failure, duplicate-effect idempotency, replay, concurrent delivery, causal uncertainty, and threshold-radix state representation. KREIT, the Kernel-Ring Equilibrium Information Theory layer, treats information as a typed, resource-bounded distinction; the control layer authorizes, executes, audits, and updates actions across cloud-edge-end scales. These results establish a common contract-level vocabulary for representation, relation, memory, action, communication, explanation, coordination, and growth, while marking the assumptions and open boundaries required for later generalization.
• Abstract（参考訳）: SAI(Synergetic Autonomous Intelligence)は,学習を継続しながら関係を形成・保存・修正・構成する学習システムの理論・設計プログラムである。 SAIは3つの公理上に構築されている: 連続的な区別は孤児化(U)してはいけない; アイデンティティは宣言された契約(I)の下での将来の忠実な継続によって決定される; 未解決の欠陥は最下位(L)の法定局所完備によって修復される。 我々は, モデル, エージェント, ツール, チーム, 環境境界を, Kernel-Ring 表現, Compile-Open-Participate サイクルによる再帰的半閉鎖システム, クレーム継続と比較した型付き残差としてモデル化する。 明示的な有限あるいはアフィンの契約の下では、U/I/Lの相対的一貫性と条件付き非冗長性を確立し、契約相対的意味商を特徴づけ、正確な関節確率的改善を構築し、制約された残留収縮を導出し、有限水平連続サービス生存性を証明し、観察的分離境界で実行された干渉識別結果を与える。 我々はGRC-Closeを,この契約の生成および修復のスキーマとして定義する。 このフレームワークはまた、アクション・エフェクト・フィードバックループの再突入、部分的障害、重複・エフェクト・イデペンポシー、リプレイ、同時配信、因果不確実性、しきい値-放射状態表現のための有限のコントラクトを提供する。 Kernel-Ring Equilibrium Information TheoryレイヤであるKREITは、情報をタイプされたリソース境界の区別として扱う。 これらの結果は、表現、関係、記憶、行動、コミュニケーション、説明、調整、成長のための共通のコントラクトレベルの語彙を確立し、後続の一般化に必要な仮定とオープンバウンダリをマークする。

関連論文リスト

• Cortex: A Fixed-Point Theory of Governed Coding Agents - Technical Report [1.0838165655415846]
  コーディングエージェントは、大きな言語モデル(LLM)と、コードを計画、編集、実行するためのハーネスを組み合わせる。 我々は,事前実行管理,要件追跡,反復的検証と修復のための監督レイヤであるCortexについて検討する。
  論文  参考訳（メタデータ） (2026-10-16T21:28:03Z)
• Generalized Residual Closure: General Learning Dynamics for Stability-Plasticity Compatibility [30.659781328550526]
  学習は、事前の責任と再び学ぶ能力を維持しながら、新たな能力を取得する必要がある。 本稿では,将来的な相違点の再帰的クロージャとして学習するフレームワークである一般残留クロージャ(GRC)を紹介する。 再建的セマンティックプロテクションは, 正確な歴史的実現を保った上で, 安全応答演算子を弱く拡張することを示す。
  論文  参考訳（メタデータ） (2026-09-30T03:57:31Z)
• Training and Inference Dynamics of PLDR-LLMs: Row-Map Collapse, Renormalization, and Predictive Reduction [0.5076419064097734]
  モノグラフは、パワーロー・デコーダ表現言語モデル(PLDR-LLM)におけるトレーニングと推論の統一的な説明を開発する 厳密な有限作業恒等性は、行中心の学習マップの絶対エネルギーの変化をパラメータ寄与、署名された相互作用、数値的な観察欠陥に分解する。 実験では、オブザーバと依存を明らかにし、テストされた自律行状態候補を拒否し、有限条件予測と状態固有の演算子還元をサポートする。
  論文  参考訳（メタデータ） (2026-09-28T02:08:53Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• The SIGReg Objective as Variational Free Energy: A Theoretical Active-Inference Account of JEPA World Models [47.471225029744424]
  JEPA(Joint-Embedding Predictive Architectures)は、潜在世界モデルの主要な設計である。 本稿では,JEPAのトレーニング目標である予測損失と重み付き埋め込み正規化の選択肢が,有効能動推論(AIF)変動自由エネルギーであるか否かを判定する。
  論文  参考訳（メタデータ） (2026-07-15T08:59:36Z)
• Replicating Belief, Not Bits: Epistemic State Replication for Agentic Systems [2.124730017640531]
  分散システムにおいて、古典的ステートマシンレプリケーションモデルは、正しいレプリカが決定論的遷移を実行し、同じビットワイズ状態を生成すると仮定する。 本稿では,複製境界をデータ可視性から知識可視性へシフトさせるエージェント型分散システムのための信念複製層であるEpistemic State Replication (ESR)を提案する。
  論文  参考訳（メタデータ） (2026-07-03T19:59:03Z)
• Saliency-Aware Model Merging [47.65036144170475]
  モデルマージは、異なるデータセットに微調整された複数のタスク固有のモデルを、ドメイン間の習熟性を実行する統一アーキテクチャに統合することを目的としている。 現在のデータフリーモデルマージ手法は、層間依存関係や一様でない専門知識の分布を無視した単純なパラメータレベルに依存するため、スケールアップに苦労することが多い。 この研究は、構造的なプルーニング(SynFlowなど)から接続ベースのサリエンシの定式化に基づいて構築され、それらをデータフリーモデルマージ設定に拡張するSA-Mergingを提案する。
  論文  参考訳（メタデータ） (2026-05-30T04:00:44Z)
• Interpretation, Learning, and Empathy as One Constraint: A Residual-Adequacy Architecture with Accountable Abstention [0.0]
  一つの量から限界が生じる小さな認知アーキテクチャを開発する。 解釈決定ユニット(IDU)は、コンテントベクトルをレギュレーションのファミリを通じて解釈し、ライセンスするアクションを決定する。 任意のコンテンツと固定構成に対して、ユニークな端末証人を持つ有限個の有界コストステップで停止する。
  論文  参考訳（メタデータ） (2026-05-24T10:57:28Z)
• Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
  本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。 LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。 長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
  論文  参考訳（メタデータ） (2026-05-12T02:37:04Z)
• When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning [60.714416943748866]
  シングルストリームの自己回帰インターフェースでは、同じトークンがモデル状態を更新し、不可逆的な公約を構成する。 そこで我々は,Side-by-Side (SxS) Interleaved Reasoningを導入する。
  論文  参考訳（メタデータ） (2026-05-05T02:59:58Z)

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。