arXiv cs.AI· Ahsan Adeel, Talha Bin Riaz·· 2 天前AI 评分22
当现实快过认知：面向可靠智能的新扩展原则
When Reality Outpaces Cognition: A New Scaling Principle for Reliable Intelligence
AI 导读
论文提出以有效连贯认知速度（\(S_C^{\mathrm{eff}}\)）衡量智能系统在观测—现实差距扩大时仍能可靠感知、推理与行动的能力，即系统持续满足预设行为可靠性标准的最高现实速度（\(S_R\)）。
正文 · AI 翻译
摘要：本文通过提出一个根本性问题，对现有人工智能范式与新兴世界模型的理解能力提出挑战：在智能系统无法再可靠地感知、推理和行动之前，现实能够以多快的速度变化？我们将其形式化为一个与理论和模型无关的挑战，其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（\(S_C^{\mathrm{eff}}\)）将这一挑战付诸实践，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，并在计算资源保持固定的情况下，随着 \(S_R\) 提升至最高 \(50\times\) 时进行无再训练评估。我们将 Transformer 和门控 MLP 基线模型与 \(Co^4\) 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。在测试场景中，\(Co^4\) 达到的 \(S_C^{\mathrm{eff}}\) 显著高于基线模型，这促使 \(S_C^{\mathrm{eff}}\) 成为一种新的基准，并将连贯认知的扩展作为可靠人工智能的一项原则。
| 学科： | 人工智能（cs.AI）；机器学习（cs.LG）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.20764 [cs.AI] |
| （或 arXiv:2610.20764v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20764 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ahsan Adeel [查看电子邮件]
[v1]
2026年10月14日星期三 18:13:18 UTC（12,070 KB）
来源：arXiv cs.AI · arxiv.org