用于发展适应性和非适应性行为的进化循环决策模型

arXiv cs.AI 论文
decision-model recurrent-network evolutionary-ai behavioral-modeling adaptive-systems

摘要

本文介绍了一种进化循环决策模型，用于分析适应性和非适应性行为的发展，应用于人工智能和认知系统。

arXiv:2608.23932v1 公告类型：新 摘要：本研究介绍了进化循环决策模型（ERDM），这是一个计算强化学习框架，旨在考察进化失配、有限理性和满足化如何影响适应性和非适应性行为。ERDM模拟代理在进化循环环境中的行为，包括威胁、猎物/目标追求和联盟。代理通过从生存指标中抽象出的竞争性奖励进行学习。在不同逆境童年经历下的有效性研究表明，不同的适应性和非适应性策略，如习得性无助、回避、健康关系和攻击行为，自然出现，而非硬编码。这些结果与实证文献相符，展示了生态效度。结果表明，许多与精神病理学相关的方面可以被解释为在现代-祖先环境失配下运行的有限认知系统，定位ERDM为一个关键的计算认知工具，可扩展到其他研究。
查看原文
查看缓存全文

缓存时间: 2026/08/26 09:17 

# 发展适应性与非适应性行为的进化递归决策模型
来源：https://arxiv.org/abs/2608.23932
文献工具

## 文献与引用工具

文献探索器切换

代码、数据、媒体

## 与本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于arXivLabs

## arXivLabs：与社区协作者共同开展的实验性项目

arXivLabs是一个框架，允许协作者直接在我们的网站上开发和分享新的arXiv功能。

所有与arXivLabs合作的个人和组织都认同并接受我们关于开放性、社区建设、卓越追求以及用户数据隐私的价值观。arXiv致力于践行这些价值观，并仅与坚持相同准则的合作伙伴共事。

如果您有关于能为arXiv社区创造价值的项目构想，**请进一步了解arXivLabs** (https://info.arxiv.org/labs/index.html)。

相似文章

AI自我改进的递归临界性

arXiv cs.AI

本文介绍了一种用于递归AI自我改进的模型，定义了一个递归再生数，以确定在开发周期中AI研究的渐进式改进何时变得自我放大或衰减。

AI辅助优化下的探索性响应与适应刚性

arXiv cs.AI

本文开发了一个动态框架，分析AI辅助优化如何根据系统初始的适应响应能力，减少或增强探索性适应，从而导致可能的亚稳态陷阱或探索崩溃动态。

递归自我改进的经济学 [pdf]

Hacker News Top

本文探讨了AI系统中递归自我改进的经济激励和动态，分析了此类过程如何扩展及其对治理与安全的影响。