論文の概要: Neuro-Symbolic Agents with Modal Logic for Autonomous Diagnostics

• arxiv url: http://arxiv.org/abs/2509.11943v2
• Date: Thu, 09 Oct 2025 16:39:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 15:34:28.682281
• Title: Neuro-Symbolic Agents with Modal Logic for Autonomous Diagnostics
• Title（参考訳）: 自律的診断のためのモーダル論理を用いたニューロシンボリック剤
• Authors: Antonin Sulc, Thorsten Hellert,
• Abstract要約: エージェント推論の構造、忠実性、論理的一貫性のスケーリングは、AI研究の重要かつ過小評価されている次元である、と我々は主張する。 本稿では,個々のエージェントの信念状態がKripkeモデルとして正式に表現される,ニューロシンボリックなマルチエージェントアーキテクチャを提案する。 LMの仮説生成を積極的に導く制約を示し、物理的あるいは論理的に不可能な結論に達するのを効果的に阻止する。
• 参考スコア（独自算出の注目度）: 0.3437656066916039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of intelligent agents, particularly those powered by language models (LMs), has shown the critical role in various environments that require intelligent and autonomous decision. Environments are not passive testing grounds and they represent the data required for agents to learn and exhibit very challenging conditions that require adaptive, complex and autonomous capacity to make decisions. While the paradigm of scaling models and datasets has led to remarkable emergent capabilities, we argue that scaling the structure, fidelity, and logical consistency of agent reasoning within these environments is a crucial, yet underexplored, dimension of AI research. This paper introduces a neuro-symbolic multi-agent architecture where the belief states of individual agents are formally represented as Kripke models. This foundational choice enables them to reason about known concepts of \emph{possibility} and \emph{necessity} using the formal language of modal logic. In this work, we use of immutable, domain-specific knowledge to make infere information, which is encoded as logical constraints essential for proper diagnosis. In the proposed model, we show constraints that actively guide the hypothesis generation of LMs, effectively preventing them from reaching physically or logically untenable conclusions. In a high-fidelity simulated particle accelerator environment, our system successfully diagnoses complex, cascading failures by combining the powerful semantic intuition of LMs with the rigorous, verifiable validation of modal logic and a factual world model and showcasing a viable path toward more robust, reliable, and verifiable autonomous agents.
• Abstract（参考訳）: 知的エージェント、特に言語モデル(LM)を利用したエージェントの開発は、知的かつ自律的な決定を必要とする様々な環境において重要な役割を担っている。 環境は受動的テストの場ではなく、エージェントが学習し、決定を下すのに適応的で複雑で自律的な能力を必要とする非常に困難な状況を示すのに必要なデータを表している。 モデルとデータセットのスケーリングのパラダイムは、目覚ましい能力をもたらしていますが、これらの環境におけるエージェント推論の構造、忠実性、論理的一貫性のスケーリングは、AI研究の重要かつ過小評価されている次元である、と私たちは主張しています。 本稿では,個々のエージェントの信念状態がKripkeモデルとして正式に表現される,ニューロシンボリックなマルチエージェントアーキテクチャを提案する。 この基礎的な選択は、モーダル論理の形式言語を用いて、既知の概念である \emph{possibility} と \emph{necessity} を推論することを可能にする。 本研究では, 適切な診断に不可欠な論理的制約として符号化された, 不変かつドメイン固有な知識を用いて不正な情報を作成する。 提案モデルでは,LMの仮説生成を積極的に導く制約を示し,物理的あるいは論理的に不可能な結論に達するのを効果的に防止する。 高忠実なシミュレートされた粒子加速器環境では,LMの強力な意味的直観と厳密で検証可能なモーダル論理と実世界モデルの検証を組み合わせ,より堅牢で信頼性が高く,検証可能な自律エージェントへの実行可能な道を示すことによって,複雑なカスケード障害の診断に成功している。

関連論文リスト

• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• The Constitutional Controller: Doubt-Calibrated Steering of Compliant Agents [18.680037980430797]
  ニューロシンボリックシステムは、確率論的、象徴的なホワイトボックス推論モデルとディープラーニング手法を統合する方法を示す。 これにより、ノイズデータに基づいてトレーニングされた明示的なルールとニューラルモデルの同時考慮が可能になる。 実世界の空中モビリティ研究において、我々はCoCoがインテリジェントな自律システムに対して適切な疑念を学習する利点を実証する。
  論文  参考訳（メタデータ） (2025-07-21T10:33:31Z)
• Nature's Insight: A Novel Framework and Comprehensive Analysis of Agentic Reasoning Through the Lens of Neuroscience [11.174550573411008]
  エージェント推論のための神経科学に着想を得た新しい枠組みを提案する。 我々は,既存のAI推論手法を体系的に分類し,分析するために,この枠組みを適用した。 本稿では,ニューラルインスパイアされた新しい推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-07T14:25:46Z)
• Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems [0.0]
  我々は正確な数学的つながりを確立し 真に自律的なシステムに対して その将来の行動に関する疑問は 基本的に決定不可能であることを証明します この発見は、人工知能、生物学的モデリング、そして自由意志のような哲学的概念に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2025-05-05T21:24:50Z)
• LogiDynamics: Unraveling the Dynamics of Logical Inference in Large Language Model Reasoning [74.0242521818214]
  本稿では、類似推論のための制御された評価環境を導入することにより、探索的アプローチを採用する。 帰納的,帰納的,帰納的,帰納的な推論パイプラインの比較力学を解析する。 仮説選択や検証,洗練といった高度なパラダイムを考察し,論理的推論のスケールアップの可能性を明らかにする。
  論文  参考訳（メタデータ） (2025-02-16T15:54:53Z)
• Relational Neurosymbolic Markov Models [13.22004615196798]
  逐次問題は、強化学習や自然言語処理など、AIにおいてユビキタスである。 我々はニューロシンボリックAI(NeSy)を導入し、深層確率モデルにおける制約を強制する健全なフォーマリズムを提供するが、逐次問題に対して指数関数的にスケールする。 本稿では, 逐次的設定に基づいて, 近似ベイズ推論, 自動推論, 勾配推定を組み合わせた推論と学習の戦略を提案する。
  論文  参考訳（メタデータ） (2024-12-17T15:41:51Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)

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。