論文の概要: Epistemic Skills: Reasoning about Knowledge and Oblivion

• arxiv url: http://arxiv.org/abs/2504.01733v1
• Date: Wed, 02 Apr 2025 13:41:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 19:59:19.3748
• Title: Epistemic Skills: Reasoning about Knowledge and Oblivion
• Title（参考訳）: 疫学のスキル:知識と啓蒙について考える
• Authors: Xiaolong Liang, Yì N. Wáng,
• Abstract要約: 本稿では,グループ知識の概念を取り入れつつ,知識の獲得と隠蔽への道のりを捉えた。 モデルチェックと満足度の問題の計算複雑性について検討し、その理論的基礎と実践的意味についての洞察を提供する。
• 参考スコア（独自算出の注目度）: 0.8287206589886879
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a class of epistemic logics that captures the dynamics of acquiring knowledge and descending into oblivion, while incorporating concepts of group knowledge. The approach is grounded in a system of weighted models, introducing an ``epistemic skills'' metric to represent the epistemic capacities tied to knowledge updates. Within this framework, knowledge acquisition is modeled as a process of upskilling, whereas oblivion is represented as a consequence of downskilling. The framework further enables exploration of ``knowability'' and ``forgettability,'' defined as the potential to gain knowledge through upskilling and to lapse into oblivion through downskilling, respectively. Additionally, it supports a detailed analysis of the distinctions between epistemic de re and de dicto expressions. The computational complexity of the model checking and satisfiability problems is examined, offering insights into their theoretical foundations and practical implications.
• Abstract（参考訳）: 本稿では,集団知識の概念を取り入れつつ,知識の獲得と隠蔽のダイナミクスを捉えた認識論理のクラスを提案する。 アプローチは重み付けされたモデルのシステムに基礎を置いており、知識更新に関連するてんかんの能力を表す 'epistemic skills'' メトリックを導入している。 このフレームワーク内では、知識獲得はスキルアップのプロセスとしてモデル化されるが、オブリベーションはスキルダウンの結果として表現される。 フレームワークはさらに、スキルアップによる知識獲得のポテンシャルとして定義された「知識」と「予測可能性」の探索を可能にする。 さらに、de reとde dictoの区別の詳細な分析もサポートしている。 モデルチェックと満足度の問題の計算複雑性について検討し、その理論的基礎と実践的意味についての洞察を提供する。

関連論文リスト

• How Artificial Intelligence Leads to Knowledge Why: An Inquiry Inspired by Aristotle's Posterior Analytics [0.0]
  この研究は、人工知能の中でアリストテレスの知識と知識の区別を明らかにするために、因果系の理論的枠組みを導入する。 外部介入の効果を予測することは、なぜかという知識だけで実現可能であり、そのようなタスクに必要な知識をより正確に理解することができると論じている。
  論文  参考訳（メタデータ） (2025-04-03T09:37:05Z)
• Concept-Aware Latent and Explicit Knowledge Integration for Enhanced Cognitive Diagnosis [13.781755345440914]
  認知診断のための概念認識型遅延・明示的知識統合モデル(CLEKI-CD)を提案する。 具体的には、学生の熟達度に応じて多次元ベクトルを構築し、複数の視点から各知識概念のエクササイズ困難を解消する。 我々は認知診断層を併用して、潜在的知識と明示的知識を統合し、さらに認知診断性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-04T08:37:16Z)
• Knowledge Mechanisms in Large Language Models: A Survey and Perspective [88.51320482620679]
  本稿では,知識利用と進化を含む新しい分類法から知識メカニズムの解析をレビューする。 LLMが学んだ知識、パラメトリック知識の脆弱性の理由、そして解決が難しい潜在的な暗黒知識(仮説)について論じる。
  論文  参考訳（メタデータ） (2024-07-22T06:15:59Z)
• Large Language Models are Limited in Out-of-Context Knowledge Reasoning [65.72847298578071]
  大規模言語モデル (LLMs) は、文脈内推論の実行において広範な知識と強力な能力を持っている。 本稿では、複数の知識を組み合わせて新しい知識を推論する、文脈外知識推論(OCKR)という、文脈外推論の重要な側面に焦点を当てる。
  論文  参考訳（メタデータ） (2024-06-11T15:58:59Z)
• Crystal: Introspective Reasoners Reinforced with Self-Feedback [118.53428015478957]
  本稿では,イントロスペクティブ・コモンセンス推論器であるCrystalを開発するための新しい手法を提案する。 コモンセンス問題に対処するため、まず与えられた質問に関連する知識ステートメントのイントロスペクションを行い、その後、それまでのイントロスペクションされた知識に根ざした情報予測を行う。 実験により、クリスタルは標準的な微調整法と連鎖蒸留法の両方で著しく優れており、コモンセンス推論プロセスの透明性を高めていることが示された。
  論文  参考訳（メタデータ） (2023-10-07T21:23:58Z)
• Deciphering Raw Data in Neuro-Symbolic Learning with Provable Guarantees [17.58485742162185]
  ニューロシンボリックハイブリッドシステムは、機械学習とシンボリック推論を統合することを約束している。 ハイブリッドシステムが特定のタスクに成功し、いつ異なる知識ベースで失敗するかは、まだ不明である。 本研究では,知識ベースから指導信号を特徴付ける新しい手法を導入し,学習を成功させる上での知識の有効性を決定するための基準を確立する。
  論文  参考訳（メタデータ） (2023-08-21T06:04:53Z)
• Worth of knowledge in deep learning [3.132595571344153]
  我々は、知識の価値を評価するために、解釈可能な機械学習にインスパイアされたフレームワークを提案する。 我々の研究結果は、依存、相乗効果、置換効果を含む、データと知識の複雑な関係を解明する。 我々のモデルに依存しないフレームワークは、様々な共通ネットワークアーキテクチャに適用でき、ディープラーニングモデルにおける事前知識の役割を包括的に理解することができる。
  論文  参考訳（メタデータ） (2023-07-03T02:25:19Z)
• Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
  我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。 知識の抽出と知識の記憶という2つの側面から問題に取り組む。 提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
  論文  参考訳（メタデータ） (2022-08-27T09:27:36Z)
• Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
  本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。 ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
  論文  参考訳（メタデータ） (2022-06-03T12:24:49Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。