Self-Organizing Graph Reasoning Evolves into a Critical State for Continuous Discovery Through Structural-Semantic Dynamics

要約

エージェントグラフ推論システムが、継続的なセマンティック発見を維持する重要な状態に向かって自発的に進化する方法についての基本的な洞察を報告します。
構造（von neumannグラフエントロピー）とセマンティック（埋め込み）エントロピーを厳密に分析することにより、セマンティックエントロピーが構造エントロピーよりも持続的に支配する微妙で堅牢なレジームを特定します。
この相互作用は、小さな負の値で安定する無次元の批判的発見パラメーターによって定量化され、セマンティックエントロピーの一貫した過剰を示します。
経験的には、「驚くべき」エッジの安定した画分（12％）、意味的に遠い概念間のリンクを観察し、連続的なイノベーションを促進する長距離またはドメインの接続の証拠を提供します。
同時に、システムは、構造的尺度とセマンティック測定の間の否定的な相互相関に加えて、スケールフリーで小規模のトポロジー特性を示し、自己組織化された臨界と類似性を強化します。
これらの結果は、物理的、生物学的、および認知的複雑なシステムにおける重要な現象と明確な類似点を確立し、適応性と継続的なイノベーションを管理するエントロピーベースの原則を明らかにします。
重要なことに、推論プロセスで明示的に使用されていないにもかかわらず、意味の豊かさは持続的な探査の基礎となるドライバーとして現れます。
私たちの調査結果は、学際的な洞察と、長期的な発見と適応のための本質的な能力を備えたインテリジェントシステムを工学するための実践的戦略を提供し、批判的発見を強化するモデルトレーニング戦略を開発する方法についての洞察を提供します。

要約(オリジナル)

We report fundamental insights into how agentic graph reasoning systems spontaneously evolve toward a critical state that sustains continuous semantic discovery. By rigorously analyzing structural (Von Neumann graph entropy) and semantic (embedding) entropy, we identify a subtle yet robust regime in which semantic entropy persistently dominates over structural entropy. This interplay is quantified by a dimensionless Critical Discovery Parameter that stabilizes at a small negative value, indicating a consistent excess of semantic entropy. Empirically, we observe a stable fraction (12%) of ‘surprising’ edges, links between semantically distant concepts, providing evidence of long-range or cross-domain connections that drive continuous innovation. Concomitantly, the system exhibits scale-free and small-world topological features, alongside a negative cross-correlation between structural and semantic measures, reinforcing the analogy to self-organized criticality. These results establish clear parallels with critical phenomena in physical, biological, and cognitive complex systems, revealing an entropy-based principle governing adaptability and continuous innovation. Crucially, semantic richness emerges as the underlying driver of sustained exploration, despite not being explicitly used by the reasoning process. Our findings provide interdisciplinary insights and practical strategies for engineering intelligent systems with intrinsic capacities for long-term discovery and adaptation, and offer insights into how model training strategies can be developed that reinforce critical discovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google