arXiv cs.AI· St John Grimbly, Nicolas Kuske, Evert A. Boonstra, Charel van Hoof, Rowan Hodson, Benjamin Rosman, Ryan Smith, Mark Solms, Jonathan P. Shock·· 3 天前AI 评分18
主动推理中内感受优先化的两条路径：解离似然精度与偏好重加权
Two Routes to Interoceptive Prioritisation: Dissociating Likelihood Precision and Preference Reweighting in Active Inference
AI 导读
研究在含三种致命需求的觅食网格世界中对比主动推理智能体的两种内感受优先化干预：提高精度可锐化内感受后验并提升存活率，偏好重加权则使身体状态远离致命边界并改变学习状态。在72个额外布局上的实验未能证实偏好重加权在困难布局上的预期收益，但两种干预均提升平均存活率且交互为正。仅凭存活率无法完整刻画模型如何优先化需求并学习身体模型。
正文 · AI 翻译
摘要：具身智能体必须在相互竞争的身体需求之间进行优先级排序。在主动推理中，它可以通过提高关于某一紧急需求的信息精度，或通过提高对能够缓解该需求的结果的偏好，来对紧急需求作出响应。我们在一个具有三种致命需求的觅食网格世界中，分别以及同时比较这两种干预措施，并探究每种干预如何改变生存、感知以及智能体所学到的身体模型。精度会锐化内感受后验并提高生存率。偏好重加权使身体状态远离其致命边界，并改变智能体学习所依据的状态，因此其学习到的模型覆盖的需求水平更少，在所有水平上质量更低，但在其访问过的水平上质量略高。在另外 72 个布局上进行的实验未能证实在困难布局上预测的偏好收益，但两种干预措施都提高了那里的平均生存率，且它们的交互作用为正。因此，仅凭生存率无法完整说明模型如何对需求进行优先级排序并学习关于其身体的知识。
| 评论： | 已被 IWAI 2026 接收，即将发表于 Springer 会议论文集。共 17 页：13 页的定稿论文，除一处排版修正外原样复制，后接 4 页补充材料。代码：此 https URL |
| 主题： | 人工智能（cs.AI）；神经元与认知（q-bio.NC） |
| 引用为： | arXiv:2610.18617 [cs.AI] |
| （或 arXiv:2610.18617v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18617 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
发件人：St John Grimbly [查看电子邮件]
[v1]
2026年10月13日星期二 16:01:02 UTC（469 KB）
来源：arXiv cs.AI · arxiv.org