本研究研究了人类和算法在评估事实中各自对惊奇的评估,在考察中发现了计算模型可以被用于人工诱导惊奇。
Jul, 2018
本文提出了一种新的稀有性和随机性评估模型,其认为直觉随机性是结构复杂性的功能,并可以在不考虑备选项集的情况下分配事件的概率。此模型在 Lottery 序列上进行了测试,并与实验者的偏好进行比较。
Aug, 2011
通过研究不寻常、意外和不太可能的情境,我们探索了非常识性推理的能力,发布了一个名为 UNcommonsense 的英语语料库,并比较人类解释者和最佳大型语言模型的表现差异,最终尝试了几种在线模仿学习算法来训练开放和易用的语言模型,在人工评估中,这些方法在常见和非常识性推理上一致降低了错误率。
Nov, 2023
采取 Dennett 的意图态度和类比推理作为理解未预见行为的主要计算机制,使多个过去的经验可以混合来解释未预见的事件,从而推出更有意义的叙述主体行为。研究提供用于在加油站环境中通过类比方法实现新体验理解的简单用例。
Nov, 2022
提出了一种系统论方法来处理自动驾驶中存在的不确定性威胁,通过对缺乏知识的根本原因进行的不确定性分类(包括触发模型、模型参数缺失和模型不完整性),将方法聚类为不确定性预防、不确定性消除、不确定性容忍和不确定性预测,与 Laprie 等人的分类方法类比。
Mar, 2023
通过对 11 种不同语言进行研究,我们发现惊奇理论与阅读时间之间存在跨语言的联系,验证了三个预测:惊奇度是否预测阅读时间、预期惊奇度是否预测阅读时间、以及惊奇度与阅读时间之间的联系是否是线性的,从而在更多语言上提供了信息论与递增语言处理之间至今最强大的连接。
Jul, 2023
简单性与泛化之间存在相关性,但简单性并不直接影响泛化;在没有抽象层的情况下,所有形式具有相等的复杂性,但在空间和时间上扩展的抽象层中,简化约束的形式可以提高泛化效果。
Mar, 2024
通过定义和说明,本文提出了一种新的解决方案来代表非概率性信念状态,并将其与概率理论进行比较,发现新理论在结构上类似于概率理论,但更容易实现,并且在某些方面更为简单。
Mar, 2013
出现是各个领域中的一个重要属性,可以突如其来地出现,初看并不能预测其出现。因此被认为是相对于观察者的主观属性。一些具有简单和确定性规则的数学系统却展现出突出的行为。研究这些系统为对主观和客观不需要观察者的理解提供了新思路,使得描述计算不可简化成为理解出现现象的关键。
Aug, 2023
本文从细胞自动机领域到任何可计算函数 f 的通用领域探讨了分析计算不可约性的几个概念,并提出了一个稳健的形式化定义;通过定义 “在没有遵循模拟自动机或函数的相同路径的情况下无法计算第 n 步骤” 这一概念,我们证明了如果一个对象的行为是计算不可约的,则其第 n 个状态的计算速度不可能比模拟本身更快。
Nov, 2011