論文の概要: Using Certifying Constraint Solvers for Generating Step-wise Explanations

• arxiv url: http://arxiv.org/abs/2511.10428v1
• Date: Fri, 14 Nov 2025 01:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.862414
• Title: Using Certifying Constraint Solvers for Generating Step-wise Explanations
• Title（参考訳）: ステップワイズ説明生成における認証制約解法の利用
• Authors: Ignace Bleukx, Maarten Flippo, Bart Bogaerts, Emir Demirović, Tias Guns,
• Abstract要約: 本稿では,制約解法によって生成される証明をステップワイズな説明計算の出発点として利用する方法について検討する。 次に、証明をステップワイズな説明シーケンスに変換するいくつかの方法を提案する。 提案手法は,ステップワイドな説明系列の生成を著しく高速化することを示す。
• 参考スコア（独自算出の注目度）: 8.26913199549645
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the field of Explainable Constraint Solving, it is common to explain to a user why a problem is unsatisfiable. A recently proposed method for this is to compute a sequence of explanation steps. Such a step-wise explanation shows individual reasoning steps involving constraints from the original specification, that in the end explain a conflict. However, computing a step-wise explanation is computationally expensive, limiting the scope of problems for which it can be used. We investigate how we can use proofs generated by a constraint solver as a starting point for computing step-wise explanations, instead of computing them step-by-step. More specifically, we define a framework of abstract proofs, in which both proofs and step-wise explanations can be represented. We then propose several methods for converting a proof to a step-wise explanation sequence, with special attention to trimming and simplification techniques to keep the sequence and its individual steps small. Our results show our method significantly speeds up the generation of step-wise explanation sequences, while the resulting step-wise explanation has a quality similar to the current state-of-the-art.
• Abstract（参考訳）: 説明可能な制約解法(Explainable Constraint Solving)の分野では、なぜ問題が満足できないのかをユーザに説明することが一般的である。 最近提案された手法は、一連の説明手順を計算することである。 このようなステップワイズな説明は、オリジナルの仕様からの制約を含む個々の推論ステップを示し、最終的には矛盾を説明します。 しかし、ステップワイズな説明の計算は計算コストがかかり、使用可能な問題の範囲が制限される。 本稿では,制約解法によって生成される証明を,ステップバイステップではなくステップワイズな説明計算の出発点として利用する方法について検討する。 より具体的には、証明と段階的な説明の両方を表現できる抽象的な証明の枠組みを定義する。 次に、証明をステップワイズな説明シーケンスに変換するいくつかの方法を提案し、特に、シーケンスとその個々のステップを小さくするトリミングと単純化技術に注目した。 提案手法は,ステップワイズ説明文の生成を著しく高速化する一方,ステップワイズ説明文は現状に類似した品質を有することを示す。

関連論文リスト

• Exploiting Constraint Reasoning to Build Graphical Explanations for Mixed-Integer Linear Programming [0.6749750044497732]
  X-MILPは、MILPの対照的な説明を構築するためのドメインに依存しないアプローチである。 まず、ユーザがMILP問題の解に対して行うクエリを、追加制約としてエンコードする方法を示す。 そして, 利用者の問合せに対する回答を構成する理由を, 既約不実用サブシステム (IIS) の計算により決定する。
  論文  参考訳（メタデータ） (2025-07-17T11:25:33Z)
• Explanation Selection Using Unlabeled Data for Chain-of-Thought Prompting [80.9896041501715]
  非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。 本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
  論文  参考訳（メタデータ） (2023-02-09T18:02:34Z)
• Synthetic Prompting: Generating Chain-of-Thought Demonstrations for Large Language Models [121.54462976635743]
  大規模言語モデルはチェーン・オブ・ソート・プロンプトを使用して様々な推論タスクを実行でき、ステップ・バイ・ステップのデモを通じて回答を見つけることができる。 そこで本研究では,手作りの例を数種類活用して,モデルにさらに多くの例を生成する手法であるSynthetic promptingを紹介する。 本手法は数値的,記号的,アルゴリズム的推論タスクにおいて評価し,既存のプロンプト手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-01T17:33:12Z)
• Learning to Reason With Relational Abstractions [65.89553417442049]
  関係抽象化の考え方を用いて,言語モデルにおいてより強力な推論能力を構築する方法について検討する。 このようなシーケンスをプロンプトとして提供したモデルでは,タスクの精度が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-06T00:27:50Z)
• Learning to Reason Deductively: Math Word Problem Solving as Complex Relation Extraction [10.721488421356053]
  数学用語の問題を解くには、テキストの量に対する演能的な推論が必要である。 近年の研究は、式を生成するためのシーケンス・ツー・シークエンスまたはシーケンス・トゥ・ツリーモデルに大きく依存している。 本稿では,目的表現を反復的に構築するための説明可能な推論ステップを提案する。
  論文  参考訳（メタデータ） (2022-03-19T12:37:16Z)
• Counterfactual Explanations in Sequential Decision Making Under Uncertainty [27.763369810430653]
  本研究では, 逐次的意思決定プロセスにおいて, 対実的説明を求める手法を開発した。 我々の問題定式化において、反実的説明は、少なくとも k 個の作用において異なる作用の別の列を特定する。 提案アルゴリズムは,不確実性の下での意思決定の促進に有用な洞察を与えることができることを示す。
  論文  参考訳（メタデータ） (2021-07-06T17:38:19Z)
• Efficiently Explaining CSPs with Unsatisfiable Subset Optimization [17.498283247757445]
  我々は,制約満足度問題の解法を説明する手法を最近提案した。 ここでの説明は、単純な推論ステップのシーケンスであり、推論ステップの単純さは、使用される制約の数や種類、事実によって測定される。 2つの新しい問題、すなわち、確実に最適である説明を生成する方法と、それらを効率的に生成する方法に取り組みます。
  論文  参考訳（メタデータ） (2021-05-25T08:57:43Z)
• Discrete Reasoning Templates for Natural Language Understanding [79.07883990966077]
  我々は,複雑な質問をより単純な質問に分解する手法を提案する。 事前定義された推論テンプレートの指示に従って最終回答を導出する。 我々のアプローチは、解釈可能でありながら最先端技術と競合し、監督をほとんど必要としないことを示す。
  論文  参考訳（メタデータ） (2021-04-05T18:56:56Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)
• A framework for step-wise explaining how to solve constraint satisfaction problems [21.96171133035504]
  本研究では,人に対する理解が容易な方法で,伝播時に行うことができる推論ステップを説明することの課題について検討する。 そこで我々は, 制約解決者説明可能な機関を提供することを目標とし, 問題解決者への信頼構築に役立てる。
  論文  参考訳（メタデータ） (2020-06-11T11:35:41Z)

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。