SCI：信号动态的元认知控制
机器学习
2025-12-02 v2 人工智能
系统与控制
系统与控制
摘要
现代深度学习系统通常以开环函数逼近器形式部署：它们在单次传递中将输入映射到输出，而不调节对特定案例所花费的计算量或解释力度。在安全关键场景中，这种做法脆弱：容易和模糊的输入接收相同的处理，而不确定性只能从原始概率事后读取。我们引入手术认知解释器（Surgical Cognitive Interpreter, SCI），这是一种轻量级的闭环元认知控制层，包装现有随机模型，将预测转化为迭代过程。SCI监控一个标量解释状态SP(t)，这里实例化为基于归一化熵的置信信号，并自适应决定是停止、继续抽样还是放弃。其目标并非单纯提高准确率，而是调节解释误差{\Delta}SP，暴露出一个跟踪底层模型何时可能失败的安全信号。我们在三个领域实例化SCI：视觉（MNIST手写数字）、医学时间序列（MIT-BIH心律失常）以及工业状况监测（滚动轴承）。在所有情况下，该控制器都为误分类的输入分配更多的推断步骤（MNIST和轴承分别为约3-4倍，MIT-BIH为1.4倍）。 resulting {\Delta}SP可用于检测误分类（MNIST的AUROC为0.63，MIT-BIH为0.70，轴承为0.86）。代码与可重复性：https://github.com/vishal-1344/sci
关键词
引用
@article{arxiv.2511.12240,
title = {SCI: A Metacognitive Control for Signal Dynamics},
author = {Vishal Joshua Meesala},
journal= {arXiv preprint arXiv:2511.12240},
year = {2025}
}
备注
v2: Extended theoretical analysis (Lyapunov-style stability), added metacognitive experiments across three domains, and released code and configuration files at https://github.com/vishal-1344/sci