仮説審判における帰結感応型圧縮としてのサポート十分性

arXiv cs.AI / 2026/4/21

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、信念の審判では、圧縮された選択内容とスカラー信頼度だけに基づいて下流の制御を行うことはできず、「何を保持すべきか」は帰結感応型の問題になると主張する。
能動的な制約フィールドを用いて候補上の仮説幾何を決定し、その幾何をサポートを意識した制御状態へ圧縮する再帰型審判アーキテクチャを提案する。
上限付きの目的関数によりトレードオフを定式化し、保持が少なすぎると検証・棄権・回復の誤ルーティングが起き、保持が多すぎると過度に細かな文脈間で学習が断片化して適応が悪化すると示す。
最小限の反復インタラクション・シミュレーションで、制御設計ごとに性能が順序立って並ぶことが確認され、累積効用では適応的なサポート解決が固定解決を上回る。
「サポート十分性」を静的な表現閾値ではなく、推論と行動の反復サイクルに応じて帰結の状況が変わるときに調整される動的な圧縮基準として捉え直す。