AI2026년 7월 1일AI 점수: 98%
When Regulation Has Memory: Hysteresis and Control Burden in Artificial Agency
출처:arXiv cs.AI
✨ AI 인사이트
🧑💻 개발자👥 일반
- 1.적응 에이전트가 안정되어 보여도 내부 조절 부담은 늘 수 있음을 계산 모델로 분석
- 2.불확실성 목표를 연속적으로 변화시키고 되돌리는 실험으로 이력 의존성(carryover) 검증
- 3.조절에 필요한 적응 이득이 재현 가능한 히스테리시스 루프를 형성해 경로 의존성 확인
- 4.교란 노출 전 안정화가 가능하면 사후 복구보다 더 적은 적응 이득으로 동등 행동 달성
💡
왜 중요한가?
에이전트를 '무엇을 하는가'로만 평가하던 관행에 대해, 같은 상태를 유지하는 데 드는 내부 제어 부담이 이력과 타이밍에 따라 달라진다는 점을 보인다. 노이즈·지연·변화하는 요구 하에서 작동하는 인공 에이전트의 숨은 조절 비용을 평가 지표로 삼아야 함을 시사한다.
본문 미리보기
arXiv:2606.30975v1 Announce Type: new Abstract: Adaptive agents are usually judged by what they do, but an agent can appear stable while the internal effort required to keep it stable is increasing. This hidden regulatory burden matters for artificial agents operating under noise, delay, or changing demands: two systems may reach similar internal states while one requires much more corrective control to get there. Here, we study whether that burden depends on history. Using a computational mo
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#적응형 에이전트#AI 제어#규제 부담#인공 에이전트#계산 모델