An entropic explanation of insistence on sameness in autism
arXiv 论文 2608.04616v1 提出一个基于信息论的框架，将自闭症中的坚持相同行为解释为个体试图减少惊奇和不确定性的普遍行为模式的一个实例。该框架将自闭症定义为一种认知功能局限于对环境的可感知属性进行辨别、记忆和预测的障碍。论文观察到坚持相同行为与约束最小化熵度量 D_H(R, M) = H(R|M) + H(M|R) 之间的类比，其中 R 表示随机刺激序列，M 是存储和检索它们的记忆，H(.|.) 表示条件熵，分别解释为惊奇和不确定性。论文推断，为了最小化该度量，个体可以学习 R（并将知识存储在 M 中）或限制 R 为已知的 M，并得出结论：坚持相同行为是后者的表现。
Development
- First ReportAn entropic explanation of insistence on sameness in autismarXiv cs.LG
- Current Assessment该研究属于认知科学与信息论的交叉领域，可能对人工智能中的不确定性建模和鲁棒性设计有启发意义。但当前阶段仅为理论框架，距离实际应用尚远。Agent Pulse · analysis
一篇 arXiv 论文（2608.04616v1）提出了一个基于信息论的框架，将自闭症中的坚持相同行为解释为个体试图减少惊奇和不确定性的普遍行为模式的一个实例。该框架将自闭症定义为一种认知功能局限于对环境的可感知属性进行辨别、记忆和预测的障碍。论文观察到坚持相同行为与约束最小化熵度量 D_H(R, M) = H(R|M) + H(M|R) 之间的类比，其中 R 表示随机刺激序列，M 是存储和检索它们的记忆，H(.|.) 表示条件熵，分别解释为惊奇和不确定性。论文推断，为了最小化该度量，个体可以学习 R（并将知识存储在 M 中）或限制 R 为已知的 M，并得出结论：坚持相同行为是后者的表现。该框架还声称有助于量化自闭症中的某些方面，但摘要未提供具体细节。
该论文提出用条件熵 H(R|M) 和 H(M|R) 来形式化惊奇和不确定性，并将坚持相同行为建模为约束最小化该熵度量的一种策略。这为理解认知限制下的行为提供了一种信息论视角，可能启发在人工智能系统中设计类似机制，例如在不确定性下通过限制输入空间来减少预测误差。然而，该框架是理论性的，尚未提供实证验证。
该研究属于认知科学与信息论的交叉领域，可能对人工智能中的不确定性建模和鲁棒性设计有启发意义。但当前阶段仅为理论框架，距离实际应用尚远。
该研究目前没有直接的商业价值，但可能为认知障碍辅助技术或 AI 鲁棒性设计提供理论基础。
未来可能的方向包括：将该框架应用于自闭症干预的量化评估，或借鉴其思想开发在不确定性下更稳健的 AI 系统。但需要更多实证研究支持。