Fugu-MT 論文翻訳(概要): Automatic coherence-driven inference on arguments

論文の概要: Automatic coherence-driven inference on arguments

arxiv url: http://arxiv.org/abs/2509.18523v1
Date: Tue, 23 Sep 2025 01:40:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-24 20:41:27.637038
Title: Automatic coherence-driven inference on arguments
Title（参考訳）: 引数の自動コヒーレンス駆動推論
Authors: Steve Huntsman,
Abstract要約: 大規模言語モデル(LLM)は、引数から命題を正確に抽出し、それらを自然のデータ構造にコンパイルすることができる。このニューロシンボリックアーキテクチャは自然に関心を分離し、議論の一貫性についての有意義な判断を可能にする。
参考スコア（独自算出の注目度）: 1.1929584800629671
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inconsistencies are ubiquitous in law, administration, and jurisprudence. Though a cure is too much to hope for, we propose a technological remedy. Large language models (LLMs) can accurately extract propositions from arguments and compile them into natural data structures that enable coherence-driven inference (CDI) via combinatorial optimization. This neurosymbolic architecture naturally separates concerns and enables meaningful judgments about the coherence of arguments that can inform legislative and policy analysis and legal reasoning.
Abstract（参考訳）: 不整合は、法律、行政、法学において至るところに存在している。治療法は期待できないが, 技術的治療法を提案する。大規模言語モデル(LLM)は、引数から命題を正確に抽出し、それらを自然データ構造にコンパイルし、組合せ最適化によってコヒーレンス駆動推論(CDI)を可能にする。このニューロシンボリックアーキテクチャは、自然に懸念を分離し、立法と政策分析と法的推論を伝達できる議論の一貫性についての有意義な判断を可能にする。

関連論文リスト

Judicial Requirements for Generative AI in Legal Reasoning [0.0]
大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
論文参考訳（メタデータ） (2025-08-26T09:56:26Z)
Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文参考訳（メタデータ） (2025-01-20T08:40:15Z)
Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation [19.799266797193344]
議論ベースのシステムは、意思決定プロセスをサポートしながら説明責任を欠くことが多い。対実的・半実的な説明は解釈可能性のテクニックである。本稿では,制約の弱いArgumentation Frameworkにおいて,逆ファクトおよび半ファクトのクエリを符号化可能であることを示す。
論文参考訳（メタデータ） (2024-05-07T07:27:27Z)
DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
判例検索のための識別モデルであるDELTAを紹介する。我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。本手法は, 判例検索において, 既存の最先端手法よりも優れている。
論文参考訳（メタデータ） (2024-03-27T10:40:14Z)
Technical Report on the Learning of Case Relevance in Case-Based Reasoning with Abstract Argumentation [14.755026411356315]
我々は、意思決定木を用いて、実際にどのように関連性を学ぶことができるかを示す。また,AA-CBRによるケース関係の学習により,決定木よりもコンパクトな表現が得られることを示す。
論文参考訳（メタデータ） (2023-10-30T15:01:41Z)
A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文参考訳（メタデータ） (2023-10-18T20:18:05Z)
Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文参考訳（メタデータ） (2023-06-21T07:34:27Z)
Legal Detection of AI Products Based on Formal Argumentation and Legal Ontology [4.286330841427189]
本稿では,法的文脈における推論のための構造化議論フレームワークを提案する。この形式的議論理論とDLに基づく法論理を組み合わせることで、許容できるアサーションが得られることを示す。
論文参考訳（メタデータ） (2022-09-07T11:08:08Z)
A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文参考訳（メタデータ） (2021-10-18T10:45:59Z)
Explainable Automated Reasoning in Law using Probabilistic Epistemic Argumentation [6.85316573653194]
本稿では,訴訟を確率論的議論問題としてモデル化する一般的なスキームを提案する。証拠がどのようにモデル化され、法的決定のための説明が自動的に生成されるかを示す。我々のフレームワークは容易に解釈可能であり、循環構造に対処でき、最悪の場合において不正確な時間確率的推論を保証する。
論文参考訳（メタデータ） (2020-09-12T15:40:42Z)

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。