Fugu-MT 論文翻訳(概要): Common Knowledge Always, Forever

論文の概要: Common Knowledge Always, Forever

arxiv url: http://arxiv.org/abs/2602.13914v1
Date: Sat, 14 Feb 2026 22:34:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-17 14:17:28.557639
Title: Common Knowledge Always, Forever
Title（参考訳）: ありとあらゆる知識
Authors: Martín Diéguez, David Fernández-Duque,
Abstract要約: 共通知識と多種多様な一般化を表現できる多相PDLを提案する。閉包空間上の有限モデル特性を持つが、カントール微分空間上のものではないことを示す。
参考スコア（独自算出の注目度）: 3.4806267677524896
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There has been an increasing interest in topological semantics for epistemic logic, which has been shown to be useful for, e.g., modelling evidence, degrees of belief, and self-reference. We introduce a polytopological PDL capable of expressing common knowledge and various generalizations and show it has the finite model property over closure spaces but not over Cantor derivative spaces. The latter is shown by embedding a version of linear temporal logic with `past', which does not have the finite model property.
Abstract（参考訳）: エピステミック論理のトポロジカルセマンティクスへの関心が高まっており、例えば、証拠のモデル化、信念の度合い、自己参照に有用であることが示されている。共通知識と様々な一般化を表現できるポリトポロジカルPDLを導入し、閉包空間上の有限モデル性を示すが、カントール微分空間上ではないことを示す。後者は、有限モデルの性質を持たない 'past' で線形時間論理のバージョンを埋め込むことで示される。

関連論文リスト

Foundations of Diffusion Models in General State Spaces: A Self-Contained Introduction [54.95522167029998]
この記事は、一般状態空間上の拡散に関する自己完結プライマーである。我々は、その連続時間限界とともに離散時間ビュー(マルコフカーネルを経由し、逆ダイナミクスを学習する)を開発する。一般的な変量処理は、標準の訓練損失を支えるELBOをもたらす。
論文参考訳（メタデータ） (2025-12-04T18:55:36Z)
Dirac - von Neumann axioms in the setting of Continuous Model Theory [0.0]
物理学者(ディラック計算)が用いた量子力学の公理系を連続論理の言語で再放送する。公理系の基本バージョンについては、正準連続モデルとともに、公理は大きな大きさの近似有限モデルを持つことを証明している。
論文参考訳（メタデータ） (2025-10-30T19:15:18Z)
A Survey on Latent Reasoning [100.54120559169735]
大きな言語モデル(LLM)は印象的な推論機能を示している。中間ステップを言語化するCoT推論は、モデルの表現帯域幅を制限する。潜在的推論は、モデルの連続的な隠れ状態に完全にマルチステップの推論を実行することで、このボトルネックに対処する。
論文参考訳（メタデータ） (2025-07-08T17:29:07Z)
The Origins of Representation Manifolds in Large Language Models [52.68554895844062]
表現空間におけるコサイン類似性は、最短のオンマンフォールド経路を通して特徴の内在幾何学を符号化することができることを示す。理論の臨界仮定と予測は、大きな言語モデルのテキスト埋め込みとトークンアクティベーションに基づいて検証される。
論文参考訳（メタデータ） (2025-05-23T13:31:22Z)
Deep Learning is Not So Mysterious or Different [54.5330466151362]
我々は、異常な一般化行動はニューラルネットワークとは異なるものではないと主張している。我々はこれらの現象を説明する上で重要な統一原理として、軟性誘導バイアスを提示する。また、ディープラーニングが、表現学習の能力など、他の方法と相対的に異なる点を強調します。
論文参考訳（メタデータ） (2025-03-03T22:56:04Z)
Dual Box Embeddings for the Description Logic EL++ [16.70961576041243]
知識グラフ(KG)と同様に、知識グラフはしばしば不完全であり、それらの維持と構築は困難であることが証明された。 KGsと同様に、有望なアプローチは、潜在ベクトル空間への埋め込みを学習し、基礎となるDLのセマンティクスに固執することである。そこで本研究では,概念と役割をボックスとして表現した,DL EL++用のBox$2$ELという新しいオントロジー埋め込み手法を提案する。
論文参考訳（メタデータ） (2023-01-26T14:13:37Z)
Disentangling Identifiable Features from Noisy Data with Structured Nonlinear ICA [4.340954888479091]
我々は、SNICA(Structured Independent Component Analysis)と呼ばれる原則的絡み合いのための新しい一般化可能なフレームワークを導入する。我々の貢献は、非常に広い階層構造モデルに対する深層生成モデルの識別可能性理論を拡張することである。我々は,未知分布の雑音の存在下でも,このフレームワークの識別可能性が維持可能であるという主要な結果を確立する。
論文参考訳（メタデータ） (2021-06-17T15:56:57Z)
Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
論文参考訳（メタデータ） (2020-06-25T14:19:41Z)
Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文参考訳（メタデータ） (2020-06-23T16:55:45Z)

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。