Fugu-MT 論文翻訳(概要): Description Logics with Abstraction and Refinement

論文の概要: Description Logics with Abstraction and Refinement

arxiv url: http://arxiv.org/abs/2306.03717v3
Date: Fri, 20 Oct 2023 13:42:57 GMT
ステータス: 翻訳完了
システム内更新日: 2023-10-24 04:25:51.073987
Title: Description Logics with Abstraction and Refinement
Title（参考訳）: 抽象と洗練を伴う記述論理
Authors: Carsten Lutz, Lukas Schulze
Abstract要約: 本稿では,抽象レベルが一級市民である記述論理(DL)の拡張を提案する。結果として生じるDLの系統の推論は決定可能であり、一見無害ないくつかのバリエーションは決定不可能であることが証明された。
参考スコア（独自算出の注目度）: 8.958066641323894
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Ontologies often require knowledge representation on multiple levels of abstraction, but description logics (DLs) are not well-equipped for supporting this. We propose an extension of DLs in which abstraction levels are first-class citizens and which provides explicit operators for the abstraction and refinement of concepts and roles across multiple abstraction levels, based on conjunctive queries. We prove that reasoning in the resulting family of DLs is decidable while several seemingly harmless variations turn out to be undecidable. We also pinpoint the precise complexity of our logics and several relevant fragments.
Abstract（参考訳）: オントロジは複数の抽象化レベルに関する知識表現を必要とすることが多いが、記述ロジック(DL)はそれをサポートするには不十分である。本稿では,抽象レベルが第一級市民であり,複数の抽象レベルにまたがる概念や役割の抽象化と洗練のための明示的な演算子を提供するDLの拡張を提案する。結果として生じるDLの系統の推論は決定可能であり、一見無害ないくつかのバリエーションは決定不可能であることが証明された。また、論理の正確な複雑さといくつかの関連する断片を指摘します。

関連論文リスト

Causal and Compositional Abstraction [0.0]
自然変換として,低次モデルと高次モデル間の抽象化について概説する。これは因果的抽象の新たな形式化を提供し、文学におけるいくつかの概念を統一する。より複雑な構成モデルに抽象化を一般化できることが示される。
論文参考訳（メタデータ） (2026-02-18T17:06:09Z)
Using Large Language Models for Abstraction of Planning Domains - Extended Version [6.021787236982658]
PDDLにおけるエージェントの具体的な振る舞いをモデル化し、大規模言語モデル(LLM)を用いた文脈内学習の利用について検討する。代替具体的なアクションの選択の抽象化、具体的なアクションのシーケンスの抽象化、アクション/述語パラメータの抽象化の3つのカテゴリについて検討する。生成された抽象PDDLドメインと問題インスタンスは、シンボル検証ツールと人間の専門家によってチェックされる。
論文参考訳（メタデータ） (2025-10-23T06:27:03Z)
RLAD: Training LLMs to Discover Abstractions for Solving Reasoning Problems [98.98963933669751]
問題が発生したら、複数の抽象化を提案できるモデルをトレーニングし、続いてソリューション構築のインセンティブを与えるRLを作ります。この結果、RLトレーニングパラダイムはRLADと呼ばれ、抽象化ジェネレータとソリューションジェネレータを共同で訓練する。我々は、大規模なテスト予算で多くのソリューションを生成するよりも、より多くのテスト時間計算を抽象化の生成に割り当てることが、パフォーマンスに有益であることを示しています。
論文参考訳（メタデータ） (2025-10-02T17:44:23Z)
Causal Abstraction Inference under Lossy Representations [53.18851962820361]
我々は、既存の定義を一般化して損失表現に適合させる、投影抽象化と呼ばれる新しいタイプの抽象化を導入する。低レベルモデルから投影された抽象化を構築する方法と、それと等価な観察的、介入的、および反ファクト的因果クエリを低レベルから高レベルに翻訳する方法を示す。
論文参考訳（メタデータ） (2025-09-25T21:20:42Z)
Improving Chain-of-Thought Reasoning via Quasi-Symbolic Abstractions [45.950841507164064]
CoT(Chain-of-Though)は、大規模言語モデルにおける推論のための一般的な戦略である。準シンボリックな説明を通じて,LLMを高レベルの抽象化で動作させる,CoTのバリエーションであるQuaSARを提案する。実験の結果,準記号的抽象化はCoT法を最大8%精度で改善できることがわかった。
論文参考訳（メタデータ） (2025-02-18T07:58:48Z)
Abstraction-of-Thought Makes Language Models Better Reasoners [79.72672444664376]
AoT(Abstraction-of-Thought)と呼ばれる新しい構造化推論形式を導入する。 AoTのユニークな点は、推論プロセス内での抽象化のさまざまなレベルに対する明示的な要件にある。提案するAoTコレクションは,AoT推論プロセスを用いた348kの高品質サンプルからなる汎用微調整データセットである。
論文参考訳（メタデータ） (2024-06-18T09:46:44Z)
AbsInstruct: Eliciting Abstraction Ability from LLMs through Explanation Tuning with Plausibility Estimation [60.40409210088717]
抽象化能力は人間の知性において不可欠であり、NLP研究における様々なタスクにも有用である。既存の研究によると、LLMは抽象能力に欠けており、その改善方法はまだ解明されていない。本稿では,命令チューニングによるLLMの抽象化能力を向上するフレームワークAbsInstructを設計する。
論文参考訳（メタデータ） (2024-02-16T12:47:11Z)
An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。応用例としては、メタ理論的性質の形式的解析と検証がある。
論文参考訳（メタデータ） (2023-12-08T09:32:26Z)
AbsPyramid: Benchmarking the Abstraction Ability of Language Models with a Unified Entailment Graph [62.685920585838616]
抽象能力は人間の知性において必須であり、言語モデルでは未探索のままである。本稿では、抽象知識の221Kテキスト記述を統一したエンテーメントグラフであるAbsPyramidを提案する。
論文参考訳（メタデータ） (2023-11-15T18:11:23Z)
Logic of Differentiable Logics: Towards a Uniform Semantics of DL [1.1549572298362787]
論理的仕様を満たすためにニューラルネットワークを訓練する方法として、微分論理(DL)が提案されている。本稿では、微分可能論理学(LDL)と呼ばれるDLを定義するメタ言語を提案する。我々は,既存のDLの理論的特性を確立するためにLDLを使用し,ニューラルネットワークの検証において実験的な研究を行う。
論文参考訳（メタデータ） (2023-03-19T13:03:51Z)
How to Agree to Disagree: Managing Ontological Perspectives using Standpoint Logic [2.9005223064604073]
Standpoint Logicは、既存のKR言語向けのシンプルだが汎用的なマルチモーダル論理アドオンである。我々は、一階立ち位置論理のスタンドポイントフリーバージョンへのポリタイム変換を提供する。次に、OWL 2 DL言語に基づく非常に表現力豊かな記述論理 SROIQb_s に対する類似の翻訳を確立する。
論文参考訳（メタデータ） (2022-06-14T12:29:08Z)
MDP Abstraction with Successor Features [14.433551477386318]
本研究では,エージェントが状態や時間的抽象化を行う強化学習の文脈における抽象化について検討する。本研究では,後継機能に基づく新しい抽象スキームである後継抽象化を提案する。我々の後継抽象化は、異なる環境間で伝達可能なセマンティクスで抽象環境モデルを学習することを可能にする。
論文参考訳（メタデータ） (2021-10-18T11:35:08Z)
A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文参考訳（メタデータ） (2021-10-18T10:45:59Z)
SAT-Based Rigorous Explanations for Decision Lists [17.054229845836332]
決定リスト(DL)は、機械学習(ML)の分類問題のための幅広い用途を見つけます。解釈性はいくつかのdlにとって不可解な目標であると主張する。本稿では,dlsの計算説明は計算困難であることを示す。
論文参考訳（メタデータ） (2021-05-14T12:06:12Z)
Generating Instructions at Different Levels of Abstraction [61.70390291746106]
Minecraftで異なるレベルの抽象化で構築手順を生成する方法を示す。クラウドソーシングの評価は、抽象化レベルの選択がユーザにとって重要であることを示している。
論文参考訳（メタデータ） (2020-10-08T13:56:09Z)

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。