論文の概要: An Agentic Framework for Neuro-Symbolic Programming

• arxiv url: http://arxiv.org/abs/2601.00743v1
• Date: Fri, 02 Jan 2026 16:59:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.605197
• Title: An Agentic Framework for Neuro-Symbolic Programming
• Title（参考訳）: ニューロシンボリックプログラミングのためのエージェント・フレームワーク
• Authors: Aliakbar Nafar, Chetan Chigurupati, Danial Kamali, Hamid Karimian, Parisa Kordjamshidi,
• Abstract要約: ADSが経験豊富なDomiKnowSユーザや非ユーザに対して,ニューロシンボリックプログラムを迅速に構築する方法について述べる。 ADSが経験豊富なDomiKnowSユーザや非ユーザに対して,迅速なニューロシンボリックプログラムの構築を可能にし,開発時間を数時間から10～15分に短縮できることを示す。
• 参考スコア（独自算出の注目度）: 22.629690263728914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating symbolic constraints into deep learning models could make them more robust, interpretable, and data-efficient. Still, it remains a time-consuming and challenging task. Existing frameworks like DomiKnowS help this integration by providing a high-level declarative programming interface, but they still assume the user is proficient with the library's specific syntax. We propose AgenticDomiKnowS (ADS) to eliminate this dependency. ADS translates free-form task descriptions into a complete DomiKnowS program using an agentic workflow that creates and tests each DomiKnowS component separately. The workflow supports optional human-in-the-loop intervention, enabling users familiar with DomiKnowS to refine intermediate outputs. We show how ADS enables experienced DomiKnowS users and non-users to rapidly construct neuro-symbolic programs, reducing development time from hours to 10-15 minutes.
• Abstract（参考訳）: シンボリック制約をディープラーニングモデルに統合することで、より堅牢で、解釈可能で、データ効率が向上する。 それでも、それは時間がかかり、難しい課題です。 DomiKnowSのような既存のフレームワークは、高レベルの宣言型プログラミングインターフェースを提供することで、この統合を支援するが、それでもユーザはライブラリの特定の構文に精通していると仮定する。 我々はADS (AgenticDomiKnowS) を提案する。 ADSは、各DomiKnowSコンポーネントを個別に作成およびテストするエージェントワークフローを使用して、自由形式のタスク記述を完全なDomiKnowSプログラムに変換する。 このワークフローはオプションのHuman-in-the-loop介入をサポートし、DomiKnowSに詳しいユーザは中間出力を洗練できる。 ADSが経験豊富なDomiKnowSユーザや非ユーザに対して,迅速なニューロシンボリックプログラムの構築を可能にし,開発時間を数時間から10～15分に短縮できることを示す。

関連論文リスト

• TOM-SWE: User Mental Modeling For Software Engineering Agents [75.28749912645127]
  ToM-SWEは、プライマリ・ソフトウェア・エンジニアリング(SWE)エージェントとライトウェイト・オブ・ミンド(ToM)パートナーエージェントを組み合わせたデュアルエージェントアーキテクチャである。 ToM-SWEは、ユーザー目標、制約、およびインストラクションとインタラクション履歴から好みを推測する。 2つのソフトウェアエンジニアリングベンチマークでは、ToM-SWEはタスクの成功率とユーザの満足度を改善する。
  論文  参考訳（メタデータ） (2025-10-24T16:09:51Z)
• AIAP: A No-Code Workflow Builder for Non-Experts with Natural Language and Multi-Agent Collaboration [12.74618436015574]
  我々は、自然言語入力と視覚システムの複雑さを統合する、ノーコードプラットフォームであるAIAPを紹介する。 32人の参加者を含むユーザスタディでは、AIAPが生成する提案、モジュール、データ、アクション、コンテキストの自動識別により、参加者の直感的にサービスを開発する能力が大幅に向上した。
  論文  参考訳（メタデータ） (2025-08-04T14:36:31Z)
• State and Memory is All You Need for Robust and Reliable AI Agents [29.259008600842517]
  大規模言語モデル(LLM)は、自然言語の理解と生成において強力な進歩を実現している。 しかし、複雑な現実世界の科学への応用は、記憶、計画、ツール統合の課題によって制限されている。 本稿では、LLMベースのエージェントが自律的に計画し、推論し、堅牢で信頼性の高いドメイン固有タスク実行を実現することができるモジュール型エージェントフレームワークであるSciBORGを紹介する。
  論文  参考訳（メタデータ） (2025-06-30T02:02:35Z)
• Factored Agents: Decoupling In-Context Learning and Memorization for Robust Tool Use [4.437184840125514]
  本稿ではエージェントAIにおける従来の単一エージェントシステムの限界を克服する新しいファクターエージェントアーキテクチャを提案する。 提案手法はエージェントを,(1)高レベルプランナーおよびインコンテキスト学習者として機能する大規模言語モデル,(2)ツールフォーマットと出力の記憶器として機能する小型言語モデルに分解する。 経験的評価により,本アーキテクチャは,テキスト内学習と静的記憶のトレードオフを解明しつつ,計画精度と誤り回復性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-03-29T01:27:11Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• Asynchronous Tool Usage for Real-Time Agents [61.3041983544042]
  並列処理とリアルタイムツール利用が可能な非同期AIエージェントを導入する。 私たちの重要な貢献は、エージェントの実行とプロンプトのためのイベント駆動有限状態マシンアーキテクチャです。 この研究は、流体とマルチタスクの相互作用が可能なAIエージェントを作成するための概念的なフレームワークと実践的なツールの両方を提示している。
  論文  参考訳（メタデータ） (2024-10-28T23:57:19Z)
• Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
  モデルに依存しない長期対話エージェント(LD-Agent)を導入する。 イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
  論文  参考訳（メタデータ） (2024-06-09T21:58:32Z)
• New Interaction Paradigm for Complex EDA Software Leveraging GPT [5.386974905314838]
  We present SmartonAI, AI-assisted interaction system that integrates large language model into the EDA workflow。 SmartonAIは、ユーザ命令をサブタスクに分解するChatCommandと、カスタマイズされたドキュメントを取得するOneLineの2つの主要コンポーネントで構成されている。
  論文  参考訳（メタデータ） (2023-07-27T09:53:02Z)
• MONAI Label: A framework for AI-assisted Interactive Labeling of 3D Medical Images [49.664220687980006]
  注釈付きデータセットの欠如は、タスク固有の教師付き機械学習モデルをトレーニングする上で、大きなボトルネックとなる。 本稿では,人工知能(AI)モデルに基づくアプリケーション開発を支援する,フリーかつオープンソースなフレームワークであるmonAI Labelを紹介する。
  論文  参考訳（メタデータ） (2022-03-23T12:33:11Z)

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。