論文の概要: Entailment vs. Verification for Partial-assignment Satisfiability and Enumeration

• arxiv url: http://arxiv.org/abs/2503.01536v1
• Date: Mon, 03 Mar 2025 13:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:57.300436
• Title: Entailment vs. Verification for Partial-assignment Satisfiability and Enumeration
• Title（参考訳）: 部分割当て満足度と列挙のためのエンターメント対検証
• Authors: Roberto Sebastiani,
• Abstract要約: 文学における部分的な割り当てによる公式満足度の定義は、普遍的に一意に定義されていないようである。 文献で暗黙的に使用される2つの別の概念、すなわち検証と含意を識別する。 前者がチェックしやすく、現在のほとんどの検索手順で暗黙的に使用されるが、後者は理論上の特性が優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.2797210504706914
• License:
• Abstract: Many procedures for SAT-related problems, in particular for those requiring the complete enumeration of satisfying truth assignments, rely their efficiency and effectiveness on the detection of (possibly small) partial assignments satisfying an input formula. Surprisingly, there seems to be no unique universally-agreed definition of formula satisfaction by a partial assignment in the literature. In this paper we analyze in deep the issue of satisfaction by partial assignments, raising a flag about some ambiguities and subtleties of this concept, and investigating their practical consequences. We identify two alternative notions that are implicitly used in the literature, namely verification and entailment, which coincide if applied to CNF formulas but differ and present complementary properties if applied to non-CNF or to existentially-quantified formulas. We show that, although the former is easier to check and as such is implicitly used by most current search procedures, the latter has better theoretical properties, and can improve the efficiency and effectiveness of enumeration procedures.
• Abstract（参考訳）: SAT関連の問題の多くは、特に真理代入を満足する完全列挙を必要とする場合、その効率と有効性は入力式を満たす部分代入(おそらく小さい)の検出に依存する。 意外なことに、文学における部分的な割り当てによる公式満足度に関する一意の普遍的な定義は存在しないようである。 本稿では,部分割当による満足度問題,概念の曖昧さと微妙さに関する旗を掲げるとともに,その実践的結果について検討する。 文献で暗黙的に用いられる2つの別の概念、すなわち CNF の公式に適用された場合と一致する検証と包含は、非CNF に適用された場合と、存在量化された公式に適用した場合とでは相違し、相補的な性質を示す。 提案手法では,前者がチェックしやすく,後者が探索手順のほとんどで暗黙的に使用されるが,後者は理論的特性が良く,列挙手順の効率と有効性を向上させることができることを示す。

関連論文リスト

• Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  文脈と問合せの間のポイントワイドな相互情報は,言語モデルの性能向上に有効な指標であることを示す。 本稿では,文書と質問のポイントワイドな相互情報を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
  コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。 類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。 文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
  論文  参考訳（メタデータ） (2024-06-15T21:57:03Z)
• Interpretable Automatic Fine-grained Inconsistency Detection in Text Summarization [56.94741578760294]
  本研究の目的は, 要約中の事実誤りの微粒化を予測し, 微粒化不整合検出の課題を提案することである。 要約における現実的不整合の検査方法に触発され,解析可能な微粒不整合検出モデルであるFinGrainFactを提案する。
  論文  参考訳（メタデータ） (2023-05-23T22:11:47Z)
• Revisiting text decomposition methods for NLI-based factuality scoring of summaries [9.044665059626958]
  細粒度分解が必ずしも事実性スコアの勝利戦略であるとは限らないことを示す。 また,従来提案されていたエンテーメントに基づくスコアリング手法の小さな変更により,性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-11-30T09:54:37Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Efficient Neural Network Analysis with Sum-of-Infeasibilities [64.31536828511021]
  凸最適化における総和係数法に着想を得て,広範な分岐関数を持つネットワーク上での検証クエリを解析するための新しい手法を提案する。 標準ケース分析に基づく完全探索手順の拡張は、各検索状態で実行される凸手順をDeepSoIに置き換えることによって達成できる。
  論文  参考訳（メタデータ） (2022-03-19T15:05:09Z)
• Querying Inconsistent Prioritized Data with ORBITS: Algorithms, Implementation, and Experiments [12.952483242045366]
  優先順位付けされた知識ベース上で不整合耐性問合せ応答を行うための実用的なアルゴリズムについて検討する。 最適補修の2つの概念に基づく3つのよく知られた意味論(AR, IAR, 勇敢)を考える(パレート, 完成)。
  論文  参考訳（メタデータ） (2022-02-16T10:44:39Z)
• Union and Intersection of all Justifications [5.871055939824747]
  与えられた存在論的結果に対するすべての正当化の結合と交わりを計算するための新しいアルゴリズムを提案する。 本手法は, 表現型DLに対して有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-23T08:57:24Z)
• Global Optimization of Objective Functions Represented by ReLU Networks [77.55969359556032]
  ニューラルネットワークは複雑で非敵対的な関数を学ぶことができ、安全クリティカルな文脈でそれらの正しい振る舞いを保証することは困難である。 ネットワーク内の障害を見つけるための多くのアプローチ(例えば、敵の例)があるが、これらは障害の欠如を保証できない。 本稿では,最適化プロセスを検証手順に統合し,本手法よりも優れた性能を実現する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-07T08:19:48Z)
• Are You Satisfied by This Partial Assignment? [1.044291921757248]
  特に,非CNFおよび存在量式を扱う際に,部分割当満足度の概念を解析する。 これにより、より効果的な代入列挙アルゴリズムが開発される可能性がある。
  論文  参考訳（メタデータ） (2020-02-28T17:21:06Z)
• Understanding the QuickXPlain Algorithm: Simple Explanation and Formal Proof [0.0]
  本稿では,Ulrich Junker の QuickXPlain アルゴリズムの正当性を示す。 他のアルゴリズムを証明するためのガイダンスとして使用できる。 また、QuickXPlainによって計算された結果に依存するシステムの"ギャップレス"な正しさを提供する可能性も提供する。
  論文  参考訳（メタデータ） (2020-01-07T01:37:41Z)

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。