論文の概要: Using Small MUSes to Explain How to Solve Pen and Paper Puzzles
- arxiv url: http://arxiv.org/abs/2104.15040v1
- Date: Fri, 30 Apr 2021 15:07:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 16:36:20.806908
- Title: Using Small MUSes to Explain How to Solve Pen and Paper Puzzles
- Title（参考訳）: 小さなMUSを使ってペンと紙のプラグの解法を説明する
- Authors: Joan Espasa, Ian P. Gent, Ruth Hoffmann, Christopher Jefferson, Alice
M. Lynch
- Abstract要約: 本稿では,パズルを高レベル制約プログラミング言語で表現できるツールであるdemystifyを提案する。
MUSでパズルを解くための既存の技術にいくつかの改善を加えます。
手作業でペンと紙のパズルを解くための文書化戦略と比較することにより,Demystifyの有効性と汎用性を実証する。
- 参考スコア（独自算出の注目度）: 4.535832029902474
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pen and paper puzzles like Sudoku, Futoshiki and Skyscrapers are hugely
popular. Solving such puzzles can be a trivial task for modern AI systems.
However, most AI systems solve problems using a form of backtracking, while
people try to avoid backtracking as much as possible. This means that existing
AI systems do not output explanations about their reasoning that are meaningful
to people. We present Demystify, a tool which allows puzzles to be expressed in
a high-level constraint programming language and uses MUSes to allow us to
produce descriptions of steps in the puzzle solving. We give several
improvements to the existing techniques for solving puzzles with MUSes, which
allow us to solve a range of significantly more complex puzzles and give higher
quality explanations. We demonstrate the effectiveness and generality of
Demystify by comparing its results to documented strategies for solving a range
of pen and paper puzzles by hand, showing that our technique can find many of
the same explanations.
- Abstract（参考訳）: ペンや紙製パズル(数独、不動式、超高層ビルなど)が盛んである。
このようなパズルを解くことは、現代のAIシステムにとって簡単な作業である。
しかし、ほとんどのAIシステムは、バックトラッキングの形式で問題を解決する一方、人々は可能な限りバックトラックを避けようとします。
つまり、既存のaiシステムは、人々にとって意味のある推論に関する説明を出力しない。
Demystifyは、高レベルの制約プログラミング言語でパズルを表現できるツールで、MUSを使ってパズルの解法におけるステップの記述を作成する。
私たちは、museでパズルを解く既存の技術にいくつかの改良を加え、より複雑なパズルを解き、より高品質な説明を行えるようにしました。
提案手法は,手作業でペンと紙のパズルを解くための文書化戦略と比較することにより,Demystifyの有効性と汎用性を実証し,同じ説明を多く見つけることができることを示す。
関連論文リスト
- Solving Zebra Puzzles Using Constraint-Guided Multi-Agent Systems [25.0042181817455]
本稿では,大言語モデルとオフ・ザ・シェルフ定理証明器を統合したマルチエージェントシステムZPSを紹介する。
このシステムは、問題をより小さく管理可能な部分に分割することで、複雑なパズル解決作業に取り組む。
また,問題解の正当性を評価するための自動グリッドパズルグレーダを導入し,ユーザスタディで評価することで,自動グレーダが信頼性が高いことを示す。
論文 参考訳（メタデータ） (2024-07-04T14:22:25Z) - Are Language Models Puzzle Prodigies? Algorithmic Puzzles Unveil Serious
Challenges in Multimodal Reasoning [24.386388107656334]
本稿では,視覚的質問応答の文脈内での多モーダルパズル解決の新たな課題を紹介する。
本稿では,アルゴリズムパズルの解法におけるマルチモーダル言語モデルの能力に挑戦し,評価するための新しいデータセットAlgoVQAを提案する。
論文 参考訳（メタデータ） (2024-03-06T17:15:04Z) - Solving Witness-type Triangle Puzzles Faster with an Automatically
Learned Human-Explainable Predicate [0.29005223064604074]
We developed a search-based intelligence puzzle solver for The Witness game。
我々は、ウィットネス型パズルへの部分経路が解経路に合成可能でないかどうかを予測する人間の説明可能な述語を学ぶ。
我々は、学習した述語の重要な性質を証明し、それを検索において後継状態の刈り取りに利用できるようにした。
論文 参考訳（メタデータ） (2023-08-04T18:52:18Z) - Multi-Phase Relaxation Labeling for Square Jigsaw Puzzle Solving [73.58829980121767]
本稿では,大域最適化に基づく二乗ジグソーパズルの解法を提案する。
この手法は完全に自動化されており、事前情報を前提とせず、未知または未知のピースオリエンテーションでパズルを扱うことができる。
論文 参考訳（メタデータ） (2023-03-26T18:53:51Z) - Automated Graph Genetic Algorithm based Puzzle Validation for Faster
Game Desig [69.02688684221265]
本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。
制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
論文 参考訳（メタデータ） (2023-02-17T18:15:33Z) - Video Anomaly Detection by Solving Decoupled Spatio-Temporal Jigsaw
Puzzles [67.39567701983357]
ビデオ異常検出(VAD)はコンピュータビジョンにおいて重要なトピックである。
近年の自己教師型学習の進歩に触発された本論文は,直感的かつ難解なプレテキストタスクを解くことによって,VADに対処する。
提案手法は3つの公開ベンチマークにおいて最先端のベンチマークよりも優れている。
論文 参考訳（メタデータ） (2022-07-20T19:49:32Z) - Divide & Conquer Imitation Learning [75.31752559017978]
模倣学習は学習プロセスをブートストラップするための強力なアプローチである。
本稿では,専門的軌道の状態から複雑なロボットタスクを模倣する新しいアルゴリズムを提案する。
提案手法は,非ホロノミックナビゲーションタスクを模倣し,非常に高いサンプル効率で複雑なロボット操作タスクにスケールすることを示す。
論文 参考訳（メタデータ） (2022-04-15T09:56:50Z) - End-to-end Algorithm Synthesis with Recurrent Networks: Logical
Extrapolation Without Overthinking [52.05847268235338]
機械学習システムが問題を過度に考えずに論理的外挿を行う方法を示す。
本稿では,問題インスタンスの明示的なコピーをメモリに保持して,それを忘れないようにするリコールアーキテクチャを提案する。
また、モデルが数に固有の行動を学ぶのを防ぎ、無期限に繰り返される行動を学ぶためにモデルをプッシュするプログレッシブトレーニングルーチンも採用しています。
論文 参考訳（メタデータ） (2022-02-11T18:43:28Z) - A new perspective of paramodulation complexity by solving massive 8
puzzles [0.4514386953429769]
スライディングパズルは、プレイヤーがボード上の特定のルートに沿ってスライドして特定のエンド構成に達するコンビネーションパズルです。
パラモジュレーションで得られる節数をカウントすることで、各パズルの難易度を評価できることが分かりました。
論文 参考訳（メタデータ） (2020-12-15T11:47:47Z) - PuzzLing Machines: A Challenge on Learning From Small Data [64.513459448362]
我々は,高校生を対象としたLinguistic OlympiadsのRosetta StoneパズルからなるPuzzLing Machinesという,小さなデータから学ぶための課題を紹介した。
私たちのチャレンジには、81言語から幅広い言語現象をカバーする約100のパズルが含まれています。
単純な統計アルゴリズムと最先端のディープニューラルモデルの両方が、予想通り、この課題に対して不十分に実行可能であることを示す。
論文 参考訳（メタデータ） (2020-04-27T20:34:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。