When Reality Outpaces Cognition: A New Scaling Principle for Reliable Intelligence
中文摘要
由模型生成 · 人工抽检论文提出「有效连贯认知速度」S_C^eff 这一新指标，衡量现实变化速度超过系统认知能力时智能体能否保持可靠行为。作者在固定算力下将现实速度提升至50倍测试强化学习智能体，发现受细胞机制启发的 Co^4 架构显著优于 Transformer 和门控 MLP 基线，为可靠 AI 提供新基准与扩展原则。
全文
已译中文arXiv:2610.20764v1 公告类型：新
摘要：本文通过提出一个根本性问题，对现有 AI 范式的理解能力以及新兴的世界模型提出挑战：现实可以以多快的速度变化，直至智能系统不再能够可靠地感知、推理和行动？我们将其表述为一个与理论和模型无关的挑战，在该挑战中，系统必须在不断扩大的观测—现实差距下，为越来越遥远的未来状态推断出可靠的动作。我们通过有效连贯认知速度（\(S_C^{\mathrm{eff}}\)）将这一挑战操作化，其定义为：系统从基线开始持续满足预定义行为可靠性准则所通过的最高测试现实速度（\(S_R\)）。作为概念验证，强化学习智能体在基线 \(S_R\) 下训练，并在不重新训练的情况下，随着 \(S_R\) 提升至最高 \(50\times\) 而计算资源保持固定时进行评估。我们将 Transformer 和门控 MLP 基线与此 \(Co^4\) 进行比较，后者是一种受参与意识处理和清醒思维的细胞机制启发的架构。在所测试的场景中，\(Co^4\) 达到了显著高于基线的 \(S_C^{\mathrm{eff}}\)，从而推动 \(S_C^{\mathrm{eff}}\) 成为一种新的基准测试，并将连贯认知的扩展作为可靠 AI 的一项原则。
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。