論文の概要: Harnessing Incremental Answer Set Solving for Reasoning in
Assumption-Based Argumentation
- arxiv url: http://arxiv.org/abs/2108.04192v1
- Date: Mon, 9 Aug 2021 17:34:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 15:09:08.135064
- Title: Harnessing Incremental Answer Set Solving for Reasoning in
Assumption-Based Argumentation
- Title(参考訳): 仮定に基づく推論のための高調波インクリメンタルアンサーセットの解法
- Authors: Tuomo Lehtonen, Johannes P. Wallner, Matti J\"arvisalo
- Abstract要約: 仮定に基づく議論(ABA)は、中心的な構造化された議論形式である。
近年のASPの進歩により、ABAのNPハード推論タスクを効率的に解けるようになった。
- 参考スコア(独自算出の注目度): 1.5469452301122177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assumption-based argumentation (ABA) is a central structured argumentation
formalism. As shown recently, answer set programming (ASP) enables efficiently
solving NP-hard reasoning tasks of ABA in practice, in particular in the
commonly studied logic programming fragment of ABA. In this work, we harness
recent advances in incremental ASP solving for developing effective algorithms
for reasoning tasks in the logic programming fragment of ABA that are
presumably hard for the second level of the polynomial hierarchy, including
skeptical reasoning under preferred semantics as well as preferential
reasoning. In particular, we develop non-trivial counterexample-guided
abstraction refinement procedures based on incremental ASP solving for these
tasks. We also show empirically that the procedures are significantly more
effective than previously proposed algorithms for the tasks.
This paper is under consideration for acceptance in TPLP.
- Abstract(参考訳): 仮定に基づく議論 (aba) は中央構造的議論形式論である。
最近述べたように、解集合プログラミング(ASP)は、ABAのNPハード推論タスクを、特にABAのよく研究されている論理プログラミングの断片において、効率的に解くことができる。
本研究では,ABA の論理プログラミングフラグメントにおけるタスクの推論に有効なアルゴリズムを開発するために,近年の ASP 問題解決の進歩を生かし,好意的意味論に基づく懐疑的推論や優先的推論など,多項式階層の第2段階において難しいと思われるタスクを推論するアルゴリズムの開発に活用する。
特に,これらのタスクに対するインクリメンタルなasp解法に基づいて,非自明な逆例による抽象的洗練手順を開発する。
また,提案手法が従来提案していたタスクのアルゴリズムよりもはるかに効果的であることを示す。
本論文はTPLPの受容について検討中である。
関連論文リスト
- Learning Planning-based Reasoning by Trajectories Collection and Process
Reward Synthesizing [66.50096740792928]
収集された軌道上での直接選好最適化(DPO)を通して計画に基づく推論を学習するフレームワークを提案する。
論理的推論ベンチマークの挑戦的な結果から,学習フレームワークの有効性が示された。
論文 参考訳(メタデータ) (2024-02-01T15:18:33Z) - Let's reward step by step: Step-Level reward model as the Navigators for
Reasoning [64.27898739929734]
Process-Supervised Reward Model (PRM)は、トレーニングフェーズ中にステップバイステップのフィードバックをLLMに提供する。
LLMの探索経路を最適化するために,PRMからのステップレベルのフィードバックを応用した欲求探索アルゴリズムを提案する。
提案手法の汎用性を探るため,コーディングタスクのステップレベル報酬データセットを自動生成する手法を開発し,コード生成タスクにおける同様の性能向上を観察する。
論文 参考訳(メタデータ) (2023-10-16T05:21:50Z) - DialCoT Meets PPO: Decomposing and Exploring Reasoning Paths in Smaller
Language Models [18.96271708412086]
CoT(Chain-of-Thought)プロンプトは、少なくとも1000億のパラメータを持つLLM(Large Language Models)の推論能力を高めるのに有効であることが証明されている。
本稿では,ダイアログ誘導型Chain-of-Thought(DialCoT)について紹介する。
論文 参考訳(メタデータ) (2023-10-08T08:52:13Z) - Thought Propagation: An Analogical Approach to Complex Reasoning with
Large Language Models [70.76692652007469]
大規模言語モデルの複雑な推論能力を高めるために,textbftextitThought Propagation (TP)を提案する。
TP はまず LLM に対して,入力問題に関連する類似問題の集合を提案し,解決するよう促す。
TPは、類似問題の結果を再利用して、新しいソリューションを直接生成したり、スクラッチから得られた初期ソリューションを修正するための知識集約的な実行プランを導出する。
論文 参考訳(メタデータ) (2023-10-06T01:40:09Z) - Provably Efficient UCB-type Algorithms For Learning Predictive State
Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である
本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。
PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文 参考訳(メタデータ) (2023-07-01T18:35:21Z) - SatLM: Satisfiability-Aided Language Models Using Declarative Prompting [68.40726892904286]
本研究では,大規模言語モデル (LLM) の推論能力を向上させるために,新しい満足度支援言語モデリング (SatLM) 手法を提案する。
我々はLLMを用いて命令型プログラムではなく宣言型タスク仕様を生成し、既製の自動定理証明器を利用して最終解を導出する。
我々はSATLMを8つの異なるデータセット上で評価し、命令パラダイムにおいてプログラム支援されたLMよりも一貫して優れていることを示す。
論文 参考訳(メタデータ) (2023-05-16T17:55:51Z) - Efficient Knowledge Compilation Beyond Weighted Model Counting [7.828647825246474]
このような問題に対する一般的なフレームワークとして,第2レベル代数モデルカウント (2AMC) を導入している。
KC(Knowledge Compilation)に基づく第1レベルのテクニックは、変数順序制約を課すことで、特定の2AMCインスタンスに適応している。
2AMC問題の論理構造を利用して、これらの制約の一部を省略し、負の効果を制限できることが示される。
論文 参考訳(メタデータ) (2022-05-16T08:10:40Z) - Instance-Dependent Confidence and Early Stopping for Reinforcement
Learning [99.57168572237421]
強化学習(RL)のための様々なアルゴリズムは、その収束率の劇的な変動を問題構造の関数として示している。
この研究は、観察されたパフォーマンスの違いについて、textitexを説明する保証を提供する。
次の自然なステップは、これらの理論的保証を実際に有用なガイドラインに変換することです。
論文 参考訳(メタデータ) (2022-01-21T04:25:35Z) - Conflict-driven Inductive Logic Programming [3.29505746524162]
帰納的論理プログラミング(ILP)の目標は、一連の例を説明するプログラムを学ぶことである。
近年まで、ICPがターゲットとするPrologプログラムの研究がほとんどである。
ILASP システムは代わりに Answer Set Programs (ASP) を学ぶ
論文 参考訳(メタデータ) (2020-12-31T20:24:28Z) - A Generalised Approach for Encoding and Reasoning with Qualitative
Theories in Answer Set Programming [3.963609604649393]
バイナリ関係を持つ定性計算を扱えるASPエンコーディングのファミリーが提案されている。
本論文はTPLPの受容について検討中である。
論文 参考訳(メタデータ) (2020-08-04T13:31:25Z)
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。