論文の概要: Virtual Group Knowledge and Group Belief in Topological Evidence Models (Extended Version)

• arxiv url: http://arxiv.org/abs/2509.00184v1
• Date: Fri, 29 Aug 2025 18:33:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.115595
• Title: Virtual Group Knowledge and Group Belief in Topological Evidence Models (Extended Version)
• Title（参考訳）: トポロジカルエビデンスモデルにおける仮想グループ知識とグループ信念(拡張版)
• Authors: Alexandru Baltag, Malvin Gattinger, Djanira Gomes,
• Abstract要約: マルチエージェントエビデンスモデルにおけるグループ知識とグループ信念の概念について検討する。 我々は「ハード」および「ソフト」集団証拠の論理の決定可能性について公理化し、示す。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study notions of (virtual) group knowledge and group belief within multi-agent evidence models, obtained by extending the topological semantics of evidence-based belief and fallible knowledge from individuals to groups. We completely axiomatize and show the decidability of the logic of ("hard" and "soft") group evidence, and do the same for an especially interesting fragment of it: the logic of group knowledge and group belief. We also extend these languages with dynamic evidence-sharing operators, and completely axiomatize the corresponding logics, showing that they are co-expressive with their static bases.
• Abstract（参考訳）: 実証に基づく信念のトポロジ的意味論と個人からグループへの誤認可能な知識を拡張した多エージェントエビデンスモデルにおける集団知識と集団信念の概念を考察する。 我々は、「ハード」と「ソフト」の集団証拠の論理の決定可能性を完全に公理化し、示し、特に興味深い部分、すなわち集団知識の論理と集団信念について同じことをする。 また、これらの言語を動的エビデンス共有演算子で拡張し、対応する論理を完全に公理化し、それらが静的な基底と共表現的であることを示す。

関連論文リスト

• On the Fundamental Impossibility of Hallucination Control in Large Language Models [0.0]
  本稿では,非自明な知識集約を行うLLMが真理的な知識表現を達成できないという,基本的な不合理性定理を確立する。 幻覚と創造性の両方のサインである、過信または直感的な反応の創造の定量化方法を示す。 私たちは、先進的なAIシステムでこれらの振る舞いを管理するための原則化された基盤を提供します。
  論文  参考訳（メタデータ） (2025-06-04T23:28:39Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• From Word Models to World Models: Translating from Natural Language to the Probabilistic Language of Thought [124.40905824051079]
  言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。 我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。 LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。 認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2023-06-22T05:14:00Z)
• Morpho-logic from a Topos Perspective: Application to symbolic AI [2.781492199939609]
  モーダル論理は記号的人工知能(AI)における多くの推論作業に有用であることが証明された 本稿では, 数学的形態学とモーダル論理の関連性をさらに発展させ, 一般化することを提案する。 モーダル論理は, 具体的かつ効率的な演算子を定義し, 新たな知識の修正, 統合, 誘拐, あるいは空間的推論にも適していることを示す。
  論文  参考訳（メタデータ） (2023-03-08T21:24:25Z)
• Common Knowledge of Abstract Groups [0.0]
  AGELは、概念によって与えられるエージェントのグループに対する共通の知識演算子を、別々のエージェント論理で特徴付ける。 我々はAGELがEXPTIME完全であることを示す。 さらに、有限モデルの性質(フル$mu$-calculusで楽しめない)と完全公理化を含む。
  論文  参考訳（メタデータ） (2022-11-29T15:11:28Z)
• Fact-driven Logical Reasoning for Machine Reading Comprehension [82.58857437343974]
  私たちは、常識と一時的な知識のヒントの両方を階層的にカバーする動機があります。 具体的には,文の背骨成分を抽出し,知識単位の一般的な定式化を提案する。 次に、事実単位の上にスーパーグラフを構築し、文レベル(事実群間の関係)と実体レベルの相互作用の利点を享受する。
  論文  参考訳（メタデータ） (2021-05-21T13:11:13Z)
• Foundations of Reasoning with Uncertainty via Real-valued Logics [70.43924776071616]
  我々は、本質的にすべての実数値論理をカバーするためにパラメータ化できる、音と強完全公理化を与える。 文のクラスは非常に豊かであり、各クラスは実数値論理の式の集合に対して可能な実値の集合を記述する。
  論文  参考訳（メタデータ） (2020-08-06T02:13:11Z)

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。