論文の概要: MedRule-KG: A Knowledge-Graph--Steered Scaffold for Mathematical Reasoning with a Lightweight Verifier

• arxiv url: http://arxiv.org/abs/2510.16309v2
• Date: Wed, 22 Oct 2025 01:48:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:11.742073
• Title: MedRule-KG: A Knowledge-Graph--Steered Scaffold for Mathematical Reasoning with a Lightweight Verifier
• Title（参考訳）: MedRule-KG:軽量検証器を用いた数理推論のための知識グラフステアリング
• Authors: Crystal Su,
• Abstract要約: 我々は,記号検証器と結合したコンパクト型付き知識グラフであるMedRule-KGを紹介する。 MedRule-KGはエンティティ、リレーション、ドメインにインスパイアされた3つのルールをエンコードし、検証者は予測をチェックし、一貫性を保証するために最小限の修正を適用する。 90例のFDA由来のベンチマークでは、MedRule-KGは正確な一致(EM)を0.767から0.900に改善し、検証器を追加するとルール違反を完全に排除しながら1.000 EMが得られる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) often produce fluent reasoning steps while violating simple mathematical or logical constraints. We introduce MedRule-KG, a compact typed knowledge graph coupled with a symbolic verifier, designed to enforce mathematically interpretable rules in reasoning tasks. MedRule-KG encodes entities, relations, and three domain-inspired rules, while the verifier checks predictions and applies minimal corrections to guarantee consistency. On a 90-example FDA-derived benchmark, grounding in MedRule-KG improves exact match (EM) from 0.767 to 0.900, and adding the verifier yields 1.000 EM while eliminating rule violations entirely. We demonstrate how MedRule-KG provides a general scaffold for safe mathematical reasoning, discuss ablations, and release code and data to encourage reproducibility.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、単純な数学的制約や論理的制約に違反しながら、流動的な推論ステップを生成することが多い。 MedRule-KGは記号検証器と結合したコンパクトな型付き知識グラフであり、推論タスクにおいて数学的に解釈可能な規則を強制するように設計されている。 MedRule-KGはエンティティ、リレーション、ドメインにインスパイアされた3つのルールをエンコードし、検証者は予測をチェックし、一貫性を保証するために最小限の修正を適用する。 90例のFDA由来のベンチマークでは、MedRule-KGは正確な一致(EM)を0.767から0.900に改善し、検証器を追加するとルール違反を完全に排除しながら1.000 EMが得られる。 我々は、MedRule-KGが、安全に数学的推論を行い、改善について議論し、再現性を促進するためにコードとデータをリリースするための一般的な足場を提供することを実証する。

関連論文リスト

• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• RulE: Knowledge Graph Reasoning with Rule Embedding [69.31451649090661]
  我々は、論理ルールを活用してKG推論を強化する、textbfRulE(ルール埋め込みのためのスタンド)と呼ばれる原則的なフレームワークを提案する。 RulEは、既存の三重項と一階規則からルールの埋め込みを学習し、統一された埋め込み空間において、textbfentities、textbfrelations、textbflogical rulesを共同で表現する。 複数のベンチマークの結果、我々のモデルは既存の埋め込みベースのアプローチやルールベースのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-10-24T06:47:13Z)

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。