論文の概要: An efficient solver for ASP(Q)

• arxiv url: http://arxiv.org/abs/2305.10021v1
• Date: Wed, 17 May 2023 07:59:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 17:05:52.018504
• Title: An efficient solver for ASP(Q)
• Title（参考訳）: ASP(Q)の効率的な解法
• Authors: Wolfgang Faber, Giuseppe Mazzotta, and Francesco Ricca
• Abstract要約: ASP(Q) は Answer Set Programming (ASP) を拡張し、階層構造からの問題の宣言的かつモジュラーなモデリングを可能にする。 本稿では,QBF における ASP(Q) プログラムのより効率的なエンコーディング手順と最適化されたエンコーディングの両方を特徴とする,qasp のアイデアに基づく新しい実装を提案する。
• 参考スコア（独自算出の注目度）: 4.198045959496482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Answer Set Programming with Quantifiers ASP(Q) extends Answer Set Programming (ASP) to allow for declarative and modular modeling of problems from the entire polynomial hierarchy. The first implementation of ASP(Q), called qasp, was based on a translation to Quantified Boolean Formulae (QBF) with the aim of exploiting the well-developed and mature QBF-solving technology. However, the implementation of the QBF encoding employed in qasp is very general and might produce formulas that are hard to evaluate for existing QBF solvers because of the large number of symbols and sub-clauses. In this paper, we present a new implementation that builds on the ideas of qasp and features both a more efficient encoding procedure and new optimized encodings of ASP(Q) programs in QBF. The new encodings produce smaller formulas (in terms of the number of quantifiers, variables, and clauses) and result in a more efficient evaluation process. An algorithm selection strategy automatically combines several QBF-solving back-ends to further increase performance. An experimental analysis, conducted on known benchmarks, shows that the new system outperforms qasp.
• Abstract（参考訳）: 量子化子による解集合プログラミング asp(q) は解集合プログラミング (asp) を拡張し、多項式階層全体から問題に対して宣言的かつモジュラーなモデリングを可能にする。 ASP(Q)の最初の実装であるqaspは、よく開発され成熟したQBF解決技術を活用することを目的として、Quantified Boolean Formulae (QBF) への翻訳に基づいていた。 しかし、qaspで使用されるQBFエンコーディングの実装は非常に一般的であり、多数のシンボルとサブクラスのために既存のQBFソルバでは評価が難しい公式を生成する可能性がある。 本稿では,QBF における ASP(Q) プログラムのより効率的な符号化手順と新しい最適化符号化の両方を特徴とする,qasp のアイデアに基づく新しい実装を提案する。 新しいエンコーディングは、(量化子、変数、節の数という観点から)より小さな公式を生成し、より効率的な評価プロセスをもたらす。 アルゴリズム選択戦略は、複数のQBF解決バックエンドを自動的に組み合わせて、パフォーマンスをさらに向上させる。 既知のベンチマークで行った実験的分析では、新しいシステムがqaspよりも優れていることが示されている。

関連論文リスト

• Enhancing Question Answering Precision with Optimized Vector Retrieval and Instructions [1.2425910171551517]
  質問応答 (QA) は情報検索 (IR) と言語モデルの重要な応用である。 本稿では、最適化されたベクトル検索と命令手法を統合することにより、QAタスク性能を改善するための革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-01T21:14:04Z)
• Effective Instruction Parsing Plugin for Complex Logical Query Answering on Knowledge Graphs [51.33342412699939]
  知識グラフクエリ埋め込み(KGQE)は、不完全なKGに対する複雑な推論のために、低次元KG空間に一階論理(FOL)クエリを埋め込むことを目的としている。 近年の研究では、FOLクエリの論理的セマンティクスをよりよく捉えるために、さまざまな外部情報(エンティティタイプや関係コンテキストなど)を統合している。 コードのようなクエリ命令から遅延クエリパターンをキャプチャする効果的なクエリ命令解析(QIPP)を提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:18:52Z)
• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [50.485788083202124]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• Quantifying over Optimum Answer Sets [6.390468088226495]
  ASP(Q)はエレガントでコンパクトな方法でモデリングを符号化する方法を欠いている。 本稿では、コンポーネントプログラムが弱い制約を含むことができるASP(Q)の拡張を提案する。 様々なアプリケーションシナリオを通して、新しいフォーマリズムのモデリング機能を紹介します。
  論文  参考訳（メタデータ） (2024-08-14T17:53:13Z)
• Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、機械学習(ML)アプリケーションにおいて重要なコンポーネントである。 最新のUQベースラインの集合を実装した新しいベンチマークを導入する。 我々は、9つのタスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も有望なアプローチを特定した。
  論文  参考訳（メタデータ） (2024-06-21T20:06:31Z)
• Recursive Visual Programming [53.76415744371285]
  本稿では、生成ルーチンを単純化し、より効率的な問題解決を提供し、より複雑なデータ構造を管理するRecursive Visual Programming (RVP)を提案する。 本稿では,VSR,COVR,GQA,NextQAなどのベンチマークにおいて,RVPの有効性を示す。
  論文  参考訳（メタデータ） (2023-12-04T17:27:24Z)
• Sequential Query Encoding For Complex Query Answering on Knowledge Graphs [31.40820604209387]
  本稿では,知識グラフ(KG)推論のためのクエリを符号化する代替手段として,シーケンシャルクエリ符号化(SQE)を提案する。 SQEはまず、探索ベースのアルゴリズムを使用して、計算グラフを一連のトークンに線形化し、次にシーケンスエンコーダを使用してベクトル表現を計算する。 その単純さにもかかわらず、SQEはFB15k、FB15k-237、NELLで最先端のニューラルネットワーク符号化性能を示す。
  論文  参考訳（メタデータ） (2023-02-25T16:33:53Z)
• Efficient Multiple Constraint Acquisition [1.3706331473063877]
  QuAcqやMultiAcqのような制約獲得システムは、専門家でないユーザが自身の問題を制約ネットワークとしてモデル化するのを支援できる。 本稿では,クエリ数を大幅に削減することで,制約獲得の性能を高める手法を提案する。 そして、我々はクエリ生成に注意を向けます。
  論文  参考訳（メタデータ） (2021-09-13T12:42:16Z)
• Transformer-based Machine Learning for Fast SAT Solvers and Logic Synthesis [63.53283025435107]
  CNFベースのSATとMaxSATは論理合成と検証システムの中心である。 そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
  論文  参考訳（メタデータ） (2021-07-15T04:47:35Z)
• Generating Diverse and Consistent QA pairs from Contexts with Information-Maximizing Hierarchical Conditional VAEs [62.71505254770827]
  非構造化テキストを文脈として与えられたQAペアを生成するための条件付き変分オートエンコーダ(HCVAE)を提案する。 我々のモデルは、トレーニングにわずかなデータしか使わず、両方のタスクの全てのベースラインに対して印象的なパフォーマンス向上が得られる。
  論文  参考訳（メタデータ） (2020-05-28T08:26:06Z)

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。