标签
本文研究了主动推理智能体中因果涌现的架构位置，发现一个慢速全局潜变量(g)是整合信息(Φr)的主要场所，并且标量Φr不应被解释为学习整合的直接度量。
研究表明，最小化预期自由能（EFE）等价于求解一个以预期信息增益为效用且探索权重固定为1的ρ-POMDP。证明了在“先观测后决策”POMDP中的等价性，并将其扩展到因子化观测POMDP，实验表明未调优的权重与仅依赖奖励的规划相比效果相当或更优。
本文建立了联合嵌入预测架构（JEPA）中使用的SIGReg目标与主动推理框架之间的形式对应关系，表明在某些条件下，训练目标成为精确的变分自由能。它将非对比正则化器组织成一个熵估计器层次结构，并证明了理论结果，包括精确信息瓶颈和SIGReg保留的惊讶界。
一个独立构建的多智能体认知架构，使用庞加莱球流形上的双曲几何、变分自由能进行信念更新、以及波干涉进行记忆检索，使个性从记忆交互中涌现而非通过脚本定义。
本文提出了一种用于噪声物联网环境中自适应交通信号控制的主动推理控制器，在传感器遮挡和恶劣天气条件下，空闲时间和CO2排放均优于DQN。
Waymo 与代尔夫特理工大学在《自然·通讯》上发表论文，描述了一种名为ReD的认知模型，该模型模拟人类驾驶员在避免碰撞时瞬间做出决策的过程，可作为自动驾驶系统的基准。
本文将癌症治疗建模为使用主动推理的信念空间规划问题，推导出一个预期自由能目标，该目标在测量预算约束下统一了目标导向控制与信息获取。该框架在AACR Project GENIE的真实临床数据上得到验证，展示了同时进行患者分类与高治疗疗效的能力。
本文通过证明增广生成模型的变分自由能（VFE）可以分解为预测模型的VFE加上显式熵修正项，对基于期望自由能（EFE）的规划给出了完整的变分刻画。作者推导了一种用于EFE规划的消息传递方案，并在网格世界环境中进行了验证。
本文提出了一种用于人工代理的基于身体的视角形成的最小架构，通过引入内感受生存能力信号和意动对齐机制来扩展先前工作，从而从现象学角度将机器主体性操作化。
Seed IQ 在ARC-AGI-3游戏中以14/14的完美成绩达成满分，其采用主动推理、物理驱动的多智能体自主控制引擎，幕后视频全程演示了这一过程。