論文の概要: The Logic of Doxastic Strategies
- arxiv url: http://arxiv.org/abs/2312.07107v2
- Date: Wed, 13 Dec 2023 08:01:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 12:31:38.730984
- Title: The Logic of Doxastic Strategies
- Title(参考訳): ドクサスティック戦略の論理
- Authors: Junli Jiang and Pavel Naumov
- Abstract要約: 本稿はこのような戦略について「ドクサスティック」という用語を紹介している。
主要な技術的貢献は、ドクサスティック戦略と信念のモダリティの間の相互作用を記述する健全で完全な論理体系である。
- 参考スコア(独自算出の注目度): 31.818269491041153
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many real-world situations, there is often not enough information to know
that a certain strategy will succeed in achieving the goal, but there is a good
reason to believe that it will. The paper introduces the term ``doxastic'' for
such strategies.
The main technical contribution is a sound and complete logical system that
describes the interplay between doxastic strategy and belief modalities.
- Abstract(参考訳): 多くの現実世界の状況では、ある戦略が目標を達成するのに成功すると知るのに十分な情報がないことが多いが、それを信じる十分な理由がある。
本稿では,このような戦略に対して 'doxastic' という用語を導入している。
主な技術的貢献は、ドクサスティックな戦略と信念のモダリティの間の相互作用を記述する健全で完全な論理システムである。
関連論文リスト
- LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。
大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。
戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
論文 参考訳(メタデータ) (2024-04-01T16:50:54Z) - K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。
我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-02T16:07:05Z) - StrategyLLM: Large Language Models as Strategy Generators, Executors, Optimizers, and Evaluators for Problem Solving [76.5322280307861]
StrategyLLM は LLM が帰納的推論、特定のタスクインスタンスからの一般的な戦略の導出、帰納的推論を可能にし、これらの一般的な戦略を特定のタスク例に適用し、一般化可能で一貫した数発のプロンプトを構築する。
実験の結果、StrategyLLMは、数学推論(34.2%$rightarrow$38.8%)、コモンセンス推論(70.3%$rightarrow$72.5%)、アルゴリズム推論(73.7%$rightarrow$85.0)を含む、4つの難しいタスクにまたがる13のデータセットに対して、人間によるアノテートソリューションを必要とする競争ベースラインのCoT-SCよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-11-15T09:18:09Z) - Risk-reducing design and operations toolkit: 90 strategies for managing
risk and uncertainty in decision problems [65.268245109828]
本稿では,このような戦略のカタログを開発し,それらのためのフレームワークを開発する。
高い不確実性のために難解であるように見える決定問題に対して、効率的な応答を提供する、と論じている。
次に、多目的最適化を用いた決定理論にそれらを組み込む枠組みを提案する。
論文 参考訳(メタデータ) (2023-09-06T16:14:32Z) - LTLf Best-Effort Synthesis in Nondeterministic Planning Domains [27.106071554421664]
完全可観測非決定性領域(FOND)におけるベストエフォート戦略(いわゆる計画)について検討する。
非決定論的計画領域の特異性を生かしたベストエフォート戦略を合成するゲーム理論合成手法を提案する。
論文 参考訳(メタデータ) (2023-08-29T10:10:41Z) - Tableaux for the Logic of Strategically Knowing How [4.007651550424299]
本稿では,戦略的ノウハウの論理のマルチエージェント版のための表計算手順を提案する。
また、論理の満足度問題はPSPACEで決定可能であることも示している。
論文 参考訳(メタデータ) (2023-07-11T07:12:51Z) - Strategic Reasoning with Language Models [35.63300060111918]
戦略的推論は、エージェントが様々な状況において他のエージェントと協力し、コミュニケーションし、競合することを可能にする。
既存の戦略ゲームに対するアプローチは、広範なトレーニングに依存しており、再訓練なしに新しいシナリオやゲームに一般化しない戦略を生み出している。
本稿では,AIエージェントの戦略的推論を可能にするために,事前訓練された大規模言語モデルと数発の連鎖例を用いたアプローチを提案する。
論文 参考訳(メタデータ) (2023-05-30T16:09:19Z) - Do You Know My Emotion? Emotion-Aware Strategy Recognition towards a
Persuasive Dialogue System [14.724751780218297]
説得的戦略認識タスクは、会話に応じて、説得者の採用戦略を認識するようシステムに要求する。
従来の手法は主に文脈情報に焦点を当てており、心理的フィードバック、すなわち説得者の感情を取り入れて戦略を予測することはほとんど知られていない。
本稿では,CFO-Net(Cross- Channel Feedback memOry Network)を提案する。
論文 参考訳(メタデータ) (2022-06-24T06:24:46Z) - Optimal Strategies of Quantum Metrology with a Strict Hierarchy [3.706744588098214]
我々は、並列、シーケンシャル、不確定因数順序戦略を含む、異なる戦略のファミリーの最終的な精度限界を同定する。
我々は、検討中の戦略のファミリー内で最適な戦略を決定する効率的なアルゴリズムを提供する。
論文 参考訳(メタデータ) (2022-03-18T06:14:56Z) - Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。
限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。
私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文 参考訳(メタデータ) (2020-02-24T20:30:38Z)
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。