論文の概要: An ASP-Based Framework for MUSes
- arxiv url: http://arxiv.org/abs/2507.03929v1
- Date: Sat, 05 Jul 2025 07:23:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.94204
- Title: An ASP-Based Framework for MUSes
- Title(参考訳): MUSのためのASPベースのフレームワーク
- Authors: Mohimenul Kabir, Kuldeep S Meel,
- Abstract要約: 満足できない式が与えられた場合、不満足性の根本原因を理解することは、いくつかのアプリケーションにおいて重要である。
これを取得する効果的な方法の1つは、最小限の不満足な部分集合 (MUS) である。
現在の研究は2つの方向に焦点を当てている: (i) (i) (i) (i) (ii) (ii) (ii) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) ) (i) (i) (i) (i) (i) ) (i) (i) (i) (i) ) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (i)
本稿では,解集合プログラミングに基づくフレームワークについて紹介する。
- 参考スコア(独自算出の注目度): 31.74767457870183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given an unsatisfiable formula, understanding the core reason for unsatisfiability is crucial in several applications. One effective way to capture this is through the minimal unsatisfiable subset (MUS), the subset-minimal set of clauses that remains unsatisfiable. Current research broadly focuses on two directions: (i) enumerating as many MUSes as possible within a given time limit, and (ii) counting the total number of MUSes for a given unsatisfiable formula. In this paper, we introduce an answer set programming-based framework, named MUS-ASP, designed for online enumeration of MUSes. ASP is a powerful tool for its strengths in knowledge representation and is particularly suitable for specifying complex combinatorial problems. By translating MUS enumeration into answer set solving, MUS-ASP leverages the computational efficiency of state-of-the-art ASP systems. Our extensive experimental evaluation demonstrates the effectiveness of MUS-ASP and highlights the acceleration in both MUS enumeration and counting tasks, particularly when integrated within hybrid solvers, including the framework proposed in this paper.
- Abstract(参考訳): 満足できない式が与えられた場合、不満足性の根本原因を理解することは、いくつかのアプリケーションにおいて重要である。
これを取得する効果的な方法の1つは、最小限の不満足な部分集合 (MUS) である。
現在の研究は、大きく2つの方向に焦点を当てている。
i)所定の時間内に可能な限り多くのMUSを列挙し、
(ii)所定の不満足な式に対するMUSの総数を数えること。
本稿では,MUS のオンライン列挙用に設計された MUS-ASP という応答セットプログラミングベースのフレームワークを提案する。
ASPは知識表現の強みの強力なツールであり、複雑な組合せ問題を特定するのに特に適しています。
MUS列挙を解法に変換することにより、MUS-ASPは最先端のASPシステムの計算効率を活用する。
本稿では, MUS-ASP の有効性を実証し, MUS 列挙および数え上げ作業の高速化, 特に本論文で提案したフレームワークを含むハイブリッド・ソルバに組み込んだ場合の高速化について述べる。
関連論文リスト
- EIFBENCH: Extremely Complex Instruction Following Benchmark for Large Language Models [65.48902212293903]
大規模言語モデル(LLM)を評価するためのEIFBENCH(Extremely Complex Instruction following Benchmark)を提案する。
EIFBENCHにはマルチタスクシナリオが含まれており、多様なタスクタイプを同時に総合的に評価することができる。
また,LLMのマルチタスクワークフローを正確に満たす能力を高めるために,セグメントポリシー最適化(SegPO)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2025-06-10T02:39:55Z) - Multi2: Multi-Agent Test-Time Scalable Framework for Multi-Document Processing [43.75154489681047]
MDS(Multi-Document Summarization)のためのテスト時間スケーリングを利用した新しいフレームワークを提案する。
提案手法では,様々なプロンプトを用いて複数の候補サマリーを生成し,アグリゲータと組み合わせて洗練されたサマリーを生成する。
また,本手法を効果的に評価するために,LCM-ACU(Consistency-Aware Preference)スコアとLLM-Content-Unit(LLM-ACU)スコアという2つの新しいLCMベースの指標を導入する。
論文 参考訳(メタデータ) (2025-02-27T23:34:47Z) - Answer Set Counting and its Applications [0.8158530638728501]
提案式にコンパクトエンコーディングを利用する,正確なASPカウンタである sharpASP を開発した。
さらに我々は,ガウス・ジョーダン除去をASPソルバに組み込んだハッシュベースのカウンタであるApproxASPという,近似的なASPカウンタを提案した。
論文 参考訳(メタデータ) (2025-02-13T11:52:55Z) - One Prompt is not Enough: Automated Construction of a Mixture-of-Expert Prompts [110.94724216491753]
大規模言語モデル(LLM)は、言語命令やコンテキスト内デモによって、強力な一般化能力を示す。
命令設計を自動化するために様々な手法が検討されてきたが、探索されたプロンプトを1つの命令に制限した。
我々はMixture-of-Expertパラダイムを採用し、問題空間を一連のサブリージョンに分割する。
地域ごとに専門的な専門家を構築するための2段階のプロセスが開発されている。
専門家1人当たりの命令の地域ベースの共同探索は、それに割り当てられたデモを補完し、相乗効果をもたらす。
論文 参考訳(メタデータ) (2024-06-28T23:05:08Z) - QFMTS: Generating Query-Focused Summaries over Multi-Table Inputs [63.98556480088152]
表要約は、情報を簡潔で分かりやすいテキスト要約に凝縮するための重要な課題である。
本稿では,クエリ中心のマルチテーブル要約を導入することで,これらの制約に対処する新しい手法を提案する。
提案手法は,テーブルシリアライズモジュール,要約コントローラ,および大規模言語モデルからなり,ユーザの情報要求に合わせたクエリ依存のテーブル要約を生成する。
論文 参考訳(メタデータ) (2024-05-08T15:05:55Z) - Large Language Models to Enhance Bayesian Optimization [57.474613739645605]
本稿では,大規模言語モデル(LLM)の能力をベイズ最適化に組み込む新しいアプローチであるLLAMBOを提案する。
高いレベルでは、自然言語のBO問題を枠組み化し、LLMが歴史的評価に照らした有望な解を反復的に提案し、評価することを可能にする。
以上の結果から,LLAMBOはゼロショットウォームスタートに有効であり,サロゲートモデリングや候補サンプリングの促進,特に観察が不十分な場合の探索の初期段階において有効であることが示唆された。
論文 参考訳(メタデータ) (2024-02-06T11:44:06Z) - Exact ASP Counting with Compact Encodings [32.300155018027624]
本稿では、より大規模な入力式を避けるために、応答集合をカウントする sharpASP と呼ばれる新しいASPカウントフレームワークを提案する。
1470のベンチマークによる実証分析は、現在の最先端の正解集合カウンタよりも大きなパフォーマンス向上を示している。
論文 参考訳(メタデータ) (2023-12-19T08:27:29Z)
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。