代数量子智能：面向可重复机器创意的新框架
人工智能
2026-02-17 v1 计算与语言
机器学习
摘要
大型语言模型 (LLM) 在生成流畅且语境恰当的文本方面取得了显著的成功；然而，其产生真正创造性输出的能力仍受到限制。本文指出，这一限制源于当代 LLM 的结构属性：在提供丰富上下文时，未来生成的空间会被强烈约束，生成过程实际上受到近似确定性动力学的支配。近期方法如测试时扩放和上下文适应虽改善了性能，但并未从根本上改变这一约束。为解决此问题，本文提出代数量子智能 (Algebraic Quantum Intelligence, AQI) 作为一种计算框架，以实现语义空间的系统性扩张。AQI 以量子论为灵感，构建为一种非交换代数结构，允许实现秩序依赖、干扰和不确定性等属性，可受控且可设计。语义状态作为 Hilbert 空间中的向量表示，其演化由来自非交换算子的 C 值决定，从而确保多个未来语义可能性的共存与扩张。在本研究中，我们通过在基于 Transformer 的 LLM 上添加超过 600 个专用算子来实现 AQI。我们在围绕十个领域的创造性推理基准测试中采用 LLM 作为评判员协议，对所得系统进行评估。结果表明，AQI 在所有测试上都显著优于强基线模型，产生统计显著的改进并降低了跨领域方差。这些发现表明，非交换代数动力学可作为机器创意的实用且可重复的基础。值得注意的是，该架构已部署于实际的企业环境中。
关键词
引用
@article{arxiv.2602.14130,
title = {Algebraic Quantum Intelligence: A New Framework for Reproducible Machine Creativity},
author = {Kazuo Yano and Jonghyeok Lee and Tae Ishitomi and Hironobu Kawaguchi and Akira Koyama and Masakuni Ota and Yuki Ota and Nobuo Sato and Keita Shimada and Sho Takematsu and Ayaka Tobinai and Satomi Tsuji and Kazunori Yanagi and Keiko Yano and Manabu Harada and Yuki Matsuda and Kazunori Matsumoto and Kenichi Matsumura and Hamae Matsuo and Yumi Miyazaki and Kotaro Murai and Tatsuya Ohshita and Marie Seki and Shun Tanoue and Tatsuki Terakado and Yuko Ichimaru and Mirei Saito and Akihiro Otsuka and Koji Ara},
journal= {arXiv preprint arXiv:2602.14130},
year = {2026}
}