研究者提出语义自我扩展的智能数学基础
热点事件持续更新
研究者提出语义自我扩展的智能数学基础
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Simon Hegelich 等作者提交论文，提出“语义自我扩展”设计原则：智能不应只在既有语义内消解歧义，而要把未解决结构转化为新的意义空间，生成新的区分、问题、表征和目的。 作者借助 Kolmogorov 复杂度论证，任何具有固定状态描述、转移机制和初始条件的架构都无法生成包含不可约算法信息的历史，有限智能体耦合也无法突破该界限。据此，扩展需依赖保存语义内容与历史坐标的持久外部记忆；集体生成能力则取决于迁移所需重叠与生成所需差异之间的平衡。
AI 根据报道生成 · 52 分钟前更新
最新进展10月26日 12:00
Co-Recursive Semantic Self-Extension：开放-ended 智能的数学基础报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AICo-Recursive Semantic Self-Extension：开放-ended 智能的数学基础
研究者提出“语义自我扩展”设计原则，主张智能不应只在既有语义内消解歧义，而要把未解决结构转化为新的意义空间。借助 Kolmogorov 复杂度，作者证明任何具有固定状态描述、转移机制和初始条件的架构都无法生成包含不可约算法信息的历史，有限智能体耦合也无法突破该界限。扩展需依赖保存语义内容与历史坐标的持久外部记忆，集体生成能力取决于迁移所需重叠与生成所需差异之间的平衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。