본 논문은 사고와 지각의 수학적 정식을 제시하며, 느린 사고를 능동적 지각의 한 형태로 형식적으로 유도합니다. 저자들은 불확실성을 최대 속도로 줄이기 위해 잠재 시퀀스를 샘플링하는 이론인 "active lifting"을 제안합니다.

  • 이 프레임워크는 느린 사고 대규모 언어 모델의 설계, 훈련 및 추론을 포괄합니다.
  • 표현과 샘플러 계층을 통해 모델을 업그레이드할 수 있는 정적 이론 부분 공간을 포함하는 광범위한 설계 공간을 유도합니다.
  • 기술적 부산물에는 느린 사고 모델을 개선하기 위한 3단계 경로와 모든 데이터 모달리티에 대한 인코더 구축을 위한 통합 접근 방식이 포함됩니다.
  • 이 이론은 인간과 유사한 시각적 표현의 사전 형성도 다루며 정책 붕괴에 대한 가능한 해결책을 제시합니다.

본 연구는 지각의 에이전시를 특징짓고 내부 시간 축을 가진 추론 과정을 통해 느린 사고 형식의 출현을 설명합니다.