[논문] 정량적 약속 이론: 자율 에이전트의 의도성 및 추론

개요

본 논문에서는 자율 에이전트를 포함하는 프로세스에 대한 약속 이론(Promise Theory)의 몇몇 정량적 표현을 논의한다. 에이전트 모델은 소프트웨어 시스템, 머신러닝, 생물학 등에서 흔히 사용되며, 물리학이나 기타 공학 분야에도 적용될 수 있다. 베이지안 확률과 정보 이론적 최적화(액티브 인퍼런스 포함)를 약속 의미론에 어떻게 통합할 수 있는지, 그리고 약속 이론이 어떻게 해결책을 보완하여 비국소적 조정, 보정, 확률 계산의 정규화와 같은 확률의 함정을 피하도록 돕는지를 설명한다. 허용 가능한 상태를 제한하고 의사결정 임계값을 선택하는 경계 조건의 역할도 일종의 약속이며, 에이전트 정렬은 의도의 확장 가능한 정의를 제공한다. 자율 에이전트는 정보를 최소화하려는 시도 속에서 불확실성이 정보를 최대화하려는 경향을 보이지만, 결국 슈퍼에이전트 특성을 가진 군집으로 응집될 수 있다. 약속 이론을 활용함에 있어서는 몇 가지 연구 과제와 스타일상의 선택이 존재한다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다:

• cs.AI
• cs.MA
• cs.NE
• physics.data-an

방법론

자세한 방법론은 전체 논문을 참고하시기 바랍니다.

실용적 함의

이 연구는 cs.AI 분야의 발전에 기여한다.

저자

• Mark Burgess

논문 정보

• arXiv ID: 2606.08552v1
• 분류: cs.AI, cs.MA, cs.NE, physics.data-an
• 출판일: 2026년 6월 7일
• PDF: Download PDF