論文の概要: Generative Ontology: When Structured Knowledge Learns to Create

• arxiv url: http://arxiv.org/abs/2602.05636v1
• Date: Thu, 05 Feb 2026 13:14:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.939476
• Title: Generative Ontology: When Structured Knowledge Learns to Create
• Title（参考訳）: 生成オントロジー: 構造化知識が創造することを学ぶとき
• Authors: Benny Cheung,
• Abstract要約: 生成オントロジーは、ドメイン知識を実行可能なピダンティックスキーマとしてエンコードする。 マルチエージェントパイプラインは、異なるドメインに特別な役割を割り当てる。 検索強化世代は、既存の見習いから新しい見習いを基礎にしている。 完全なテーブルトップゲームデザインを生成するシステムであるGameGrammarを用いて,このフレームワークを実演する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional ontologies excel at describing domain structure but cannot generate novel artifacts. Large language models generate fluently but produce outputs that lack structural validity, hallucinating mechanisms without components, goals without end conditions. We introduce Generative Ontology, a framework that synthesizes these complementary strengths: ontology provides the grammar; the LLM provides the creativity. Generative Ontology encodes domain knowledge as executable Pydantic schemas that constrain LLM generation via DSPy signatures. A multi-agent pipeline assigns specialized roles to different ontology domains: a Mechanics Architect designs game systems, a Theme Weaver integrates narrative, a Balance Critic identifies exploits. Each agent carrying a professional "anxiety" that prevents shallow, agreeable outputs. Retrieval-augmented generation grounds novel designs in precedents from existing exemplars, while iterative validation ensures coherence between mechanisms and components. We demonstrate the framework through GameGrammar, a system for generating complete tabletop game designs. Given a thematic prompt ("bioluminescent fungi competing in a cave ecosystem"), the pipeline produces structurally complete, playable game specifications with mechanisms, components, victory conditions, and setup instructions. These outputs satisfy ontological constraints while remaining genuinely creative. The pattern generalizes beyond games. Any domain with expert vocabulary, validity constraints, and accumulated exemplars (music composition, software architecture, culinary arts) is a candidate for Generative Ontology. We argue that constraints do not limit creativity but enable it: just as grammar makes poetry possible, ontology makes structured generation possible.
• Abstract（参考訳）: 伝統的なオントロジーはドメイン構造を記述するのに優れているが、新しいアーティファクトを生成することはできない。 大規模言語モデルは流動的に生成するが、構造的妥当性に欠ける出力、コンポーネントなしの幻覚機構、最終条件なしの目標を生成する。 我々は、これらの相補的な強みを合成するフレームワークである生成オントロジーを紹介し、オントロジーは文法を提供し、LLMは創造性を提供する。 生成オントロジー(Generative Ontology)は、ドメイン知識をDSPyシグネチャを介してLLM生成を制限する実行可能なピダンティックスキーマとしてエンコードする。 メカニクスアーキテクトはゲームシステムを設計し、Theme Weaverは物語を統合する。 それぞれのエージェントがプロの"不安"を持ち、浅い、同意可能な出力を防ぐ。 Retrieval-augmented generation(英語版)は、既存の例に先駆けて新しい設計を基礎とし、反復的検証はメカニズムとコンポーネントの一貫性を保証する。 完全なテーブルトップゲームデザインを生成するシステムであるGameGrammarを用いて,このフレームワークを実演する。 理論的なプロンプト(生物発光菌が洞窟生態系で競合する)を与えられたパイプラインは、構造的に完全でプレイ可能なゲーム仕様を、メカニズム、コンポーネント、勝利条件、設定手順で生成する。 これらの出力は、真の創造性を維持しながら、存在論的制約を満たす。 このパターンはゲームを超えて一般化される。 専門家の語彙、妥当性の制約、蓄積された模範(音楽の構成、ソフトウェアアーキテクチャ、料理)を持つドメインは、生成オントロジーの候補である。 私たちは、制約は創造性を制限しないが、それを可能にする:文法が詩を可能にするように、オントロジーは構造化された生成を可能にする。

関連論文リスト

• Multi-Actor Generative Artificial Intelligence as a Game Engine [49.360775442760314]
  ジェネレーティブAIは、社会科学モデリングからインタラクティブな物語、AI評価に至るまで、マルチアクター環境で使用することができる。 ここでは、ゲームマスター(GM)が環境に責任を持ち、プレイヤーキャラクターの自発的な行動によって直接決定されないストーリーの全ての部分を生成できるテーブルトップロールプレイングゲーム(TTRPG)からインスピレーションを得るのが良い方法であると論じる。
  論文  参考訳（メタデータ） (2025-07-10T22:31:09Z)
• Objective-Free Local Learning and Emergent Language Structure in Thinking Machines [0.0]
  本稿では,局所的な事象駆動型創発学習に基づく生成言語モデリングのためのニューロシンボリックフレームワークを提案する。 コアには階層的なホップフィールドメモリチェーンがあり、構成的短期記憶と動的トークン化器として機能する。 我々は、推論中に新しいニューロンを短時間活性化することで、分散マルチスケールトークンの特徴を象徴的な埋め込みに結合することを示した。
  論文  参考訳（メタデータ） (2025-06-29T15:29:13Z)
• Generative Hierarchical Materials Search [91.93125016916463]
  結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。 GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。 GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
  論文  参考訳（メタデータ） (2024-09-10T17:51:28Z)
• Annotating FrameNet via Structure-Conditioned Language Generation [15.877232416259805]
  本稿では、過剰な生成とフィルタのアプローチに従って、新しいフレーム文の注釈付き文を生成するフレームワークを提案する。 以上の結果から,リッチで明示的な意味情報に対する条件付けは,人間の受容度が高い世代を生み出す傾向が示唆された。
  論文  参考訳（メタデータ） (2024-06-07T11:01:15Z)
• COLLIE: Systematic Construction of Constrained Text Generation Tasks [33.300039566331876]
  COLLIEは文法ベースのフレームワークで、多種多様な世代レベルのリッチで構成的な制約を仕様化することができる。 本研究では,制約構造と生テキストコーパスが与えられたタスクインスタンスの自動抽出ツールを開発する。 我々は、最先端の5つの言語モデルに対して体系的な実験を行い、その性能を分析し、欠点を明らかにする。
  論文  参考訳（メタデータ） (2023-07-17T17:48:51Z)
• Physics of Language Models: Part 1, Learning Hierarchical Language Structures [51.68385617116854]
  トランスフォーマーベースの言語モデルは効率的だが複雑であり、内部の動作や推論メカニズムを理解することは大きな課題である。 本稿では,長文を生成可能な階層規則を生成する合成CFGのファミリーを紹介する。 我々は、GPTのような生成モデルがCFG定義階層を正確に学習し、推論し、それに基づいて文を生成することを実証する。
  論文  参考訳（メタデータ） (2023-05-23T04:28:16Z)
• How Do Transformers Learn Topic Structure: Towards a Mechanistic Understanding [56.222097640468306]
  我々は、トランスフォーマーが「意味構造」を学ぶ方法の機械的理解を提供する 数学的解析とウィキペディアデータの実験を組み合わせることで、埋め込み層と自己保持層がトピック構造をエンコードしていることを示す。
  論文  参考訳（メタデータ） (2023-03-07T21:42:17Z)
• An Automatic Ontology Generation Framework with An Organizational Perspective [0.0]
  本研究の目的は、非構造化テキストコーパスを形式的に一貫したドメインに変換する新しいドメイン非依存の自動生成フレームワークを開発することである。 提案するフレームワークのパワーは、自動生成する動的機能とKGと品質機能を統合することである。
  論文  参考訳（メタデータ） (2022-01-15T18:54:22Z)

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。