Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
이 논문은 "감성 괴델 프레임워크(Emotional Gödel Framework, EGF)"라는 새로운 인공지능 감성 추론 프레임워크를 제안하는 연구입니다. 본 프레임워크는 최근의 자기 진화형 AI(Self-Evolving AI) 및 감성 AI(Affective AI) 연구 동향과 이론을 통합하여, 인공지능이 스스로 감성적 추론을 학습하고 진화하는 구조를 설계합니다. 본 논문은 최신 연구인 Darwin Gödel Machine(DGM), Self-Challenging Language Model Agents, ProRL 등과의 연계성을 분석하고, 감성 영역에서의 고유한 차별성을 갖는 Emotional Gödel Framework(EGF)를 제안합니다. EGF는 감성 주체성(Affective Agency), 자기 재귀적 코드 수정(Self-Recursive Code Modification), 감성 스티어링(Emotion Steering)을 핵심 구성 요소로 포함합니다. 본 연구는 개념적 시뮬레이션과 평가 지표를 제시하며, 향후 감성 기반 AI 시스템의 윤리적 설계 및 인간-중심적 상호작용 설계에 기여할 수 있습니다. 이 논문은 국제적 DOI 등록을 통해 인용 가능하며, 향후 KCI 등재 학술지에 정식 제출 예정입니다. This paper proposes a novel "Emotional Gödel Framework (EGF)" for designing self-evolving affective reasoning AI systems. Integrating recent advances in self-evolving AI (such as Darwin Gödel Machine), Self-Challenging Language Model Agents, and ProRL, this framework enables AI systems to recursively modify their reasoning structures and develop affective agency. The EGF introduces three core components: Affective Agency, Self-Recursive Code Modification, and Emotion Steering. Conceptual simulations and evaluation criteria are presented to demonstrate the potential of EGF in ethical and human-centered AI design. This version is a DOI-registered preprint, with formal submission to a KCI-indexed academic journal planned.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,098 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle