正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
统计学将智能视为数据压缩，复杂系统将其视为通用计算，agent 研究将其视为自适应行为，三者各有目标函数却互不兼容。新奇搜索追求最大惊奇度，却会被“噪声电视”困住；自由能原理最小化惊奇度，却使 agent 退入“暗室”。两种失败的根源相同：它们把可被学习者转化为知识的惊奇与永远无法压缩的惊奇混为一谈。论文要回答的核心问题是：如果只优化有界学习者真正能吸收的那部分新奇，能否在不同系统中统一地产生智能行为？
核心方法
作者将累积惊奇度在最小描述长度框架下分解为模型描述长度（可学习新奇，即 epiplexity）与不可压缩残差，并只保留前者作为目标。为使该量可优化，他们采用储层计算机作为有界学习者：固定随机非线性特征映射后，最优线性读出由岭回归闭式求解，模型复杂度通过读出矩阵奇异值的谱描述长度度量。整个估计器对输入数据可微，可直接用梯度上升优化生成数据的动力学、编码器或策略。
实验结论
- 在 88 个初等元胞自动机中，图灵完备的 Rule 110 获得最高 epiplexity 得分，常数规则得分为零，无监督复现经典复杂度排序。
- 作为强化学习内在奖励，在十个稀疏奖励环境中九个优于任务基线，且无一环境性能崩溃。
局限性与证据边界
- 论文未提供强化学习十个环境的具体名称及各环境详细回报曲线
- MNIST 编码器的线性探针与 5-NN 具体准确率数值在节选正文中未完整给出（图 4 被截断）
- 储层计算机特征维度 m、岭回归参数 λ 等超参数对排序稳定性的系统消融仅在附录提及，正文节选未展开
- 该方法在连续控制或高维视觉 agent 任务上的扩展性未在节选正文中验证
适合谁阅读
研究复杂系统涌现与通用计算的学者无监督表征学习与自组织模型研究者强化学习内在动机与探索策略设计者关注智能统一理论与跨领域度量的研究者Agent 系统
可核验的原论文来源和作者
- 作者
- Zhang, Yanbo, Levin, Michael
- 来源
- arXiv
- 论文 ID
- 2607.18433