論文の概要: The EpisTwin: A Knowledge Graph-Grounded Neuro-Symbolic Architecture for Personal AI
- arxiv url: http://arxiv.org/abs/2603.06290v1
- Date: Fri, 06 Mar 2026 13:48:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:45.810397
- Title: The EpisTwin: A Knowledge Graph-Grounded Neuro-Symbolic Architecture for Personal AI
- Title（参考訳）: EpisTwin: パーソナルAIのための知識グラフを用いたニューロシンボリックアーキテクチャ
- Authors: Giovanni Servedio, Potito Aghilar, Alessio Mattiace, Gianni Carmosino, Francesco Musicco, Gabriele Conte, Vito Walter Anelli, Tommaso Di Noia, Francesco Maria Donini,
- Abstract要約: EpisTwinは、生成的推論を検証可能なユーザ中心のPersonal Knowledge Graphに基盤付ける、神経象徴的なフレームワークである。
EpisTwinはエージェントコーディネータを介して、パーソナルセマンティックグラフ上の複雑な推論を可能にする。
PersonalQA-71-100は、現実的なユーザのデジタルフットプリントをシミュレートし、EpisTwinのパフォーマンスを評価するために設計された合成ベンチマークである。
- 参考スコア（独自算出の注目度）: 9.582176201200497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Personal Artificial Intelligence is currently hindered by the fragmentation of user data across isolated silos. While Retrieval-Augmented Generation offers a partial remedy, its reliance on unstructured vector similarity fails to capture the latent semantic topology and temporal dependencies essential for holistic sensemaking. We introduce EpisTwin, a neuro-symbolic framework that grounds generative reasoning in a verifiable, user-centric Personal Knowledge Graph. EpisTwin leverages Multimodal Language Models to lift heterogeneous, cross-application data into semantic triples. At inference, EpisTwin enables complex reasoning over the personal semantic graph via an agentic coordinator that combines Graph Retrieval-Augmented Generation with Online Deep Visual Refinement, dynamically re-grounding symbolic entities in their raw visual context. We also introduce PersonalQA-71-100, a synthetic benchmark designed to simulate a realistic user's digital footprint and evaluate EpisTwin performance. Our framework demonstrates robust results across a suite of state-of-the-art judge models, offering a promising direction for trustworthy Personal AI.
- Abstract（参考訳）: パーソナル人工知能は、現在、孤立したサイロにまたがるユーザーデータの断片化によって妨げられている。
Retrieval-Augmented Generationは部分的な治療法を提供するが、非構造的ベクトル類似性への依存は、全体的な意味的トポロジーと時間的依存を捉えることに失敗する。
EpisTwinは、生成的推論を検証可能なユーザ中心のPersonal Knowledge Graphに基盤付ける、ニューロシンボリックなフレームワークである。
EpisTwinはマルチモーダル言語モデルを利用して、異質なクロスアプリケーションデータをセマンティックトリプルに持ち上げる。
推論において、EpisTwinは、Graph Retrieval-Augmented GenerationとOnline Deep Visual Refinementを組み合わせたエージェントコーディネータを介して、パーソナルセマンティックグラフ上の複雑な推論を可能にする。
また、実際のユーザのデジタルフットプリントをシミュレートし、EpisTwinのパフォーマンスを評価するために設計された合成ベンチマークであるPersonalQA-71-100を紹介する。
我々のフレームワークは、最先端の審査モデルをまたいだ堅牢な結果を示し、信頼できるパーソナルAIのための有望な方向性を提供します。
関連論文リスト
- Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning [56.24016465596292]
視覚的メタファーは、抽象概念をインパクトのある視覚的レトリックに変換するために、クロスドメインなセマンティックフュージョンを用いて、人間の創造性の高階形式を構成する。
本稿では,参照画像から「創造的本質」を自律的に分離し,その抽象論理をユーザ特定対象に再物質化する,視覚メタファー伝達(VMT)の課題を紹介する。
提案手法は, メタファーの整合性, アナロジーの適切性, 視覚的創造性においてSOTAのベースラインを著しく上回り, 広告・メディアにおける高度にインパクトのある創造的アプリケーションを自動化するための道を開いた。
論文 参考訳（メタデータ） (2026-02-01T17:01:36Z) - Representation Integrity in Temporal Graph Learning Methods [0.40611352512781873]
実世界のシステムは、時間とともにトポロジーが変化する動的グラフとして自然にモデル化される。
我々はこの要求を表現整合性として定式化し、グラフの変化にいかに密着した変化を追随するかを測定する指標の族を導出する。
次に、この指標を用いて、一般的な動的グラフ学習モデルの表現整合性の比較研究を行う。
論文 参考訳（メタデータ） (2025-11-25T21:37:00Z) - Assured Autonomy with Neuro-Symbolic Perception [11.246557832016238]
サイバー物理システム(CPS)にデプロイされる最先端AIモデルの多くは、パターンマッチングである。
セキュリティの保証が限られているため、安全クリティカルなドメインと競合するドメインの信頼性が懸念される。
本稿では,データ駆動型知覚モデルにシンボル構造を付与するパラダイムシフトを提案する。
論文 参考訳（メタデータ） (2025-05-27T15:21:06Z) - Joint-Embedding Masked Autoencoder for Self-supervised Learning of Dynamic Functional Connectivity from the Human Brain [16.62883475350025]
グラフニューラルネットワーク(GNN)は、人間の脳ネットワークと表現型を区別するための動的機能接続の学習において、有望であることを示している。
本稿では,計算機ビジョンにおけるJEPA(Joint Embedding Predictive Architecture)からインスピレーションを得た,時空間連成型自動エンコーダ(ST-JEMA)について紹介する。
論文 参考訳（メタデータ） (2024-03-11T04:49:41Z) - Handling Distribution Shifts on Graphs: An Invariance Perspective [78.31180235269035]
我々は、グラフ上のOOD問題を定式化し、新しい不変学習手法である探索・拡張リスク最小化(EERM)を開発する。
EERMは、複数の仮想環境からのリスクの分散を最大化するために、敵対的に訓練された複数のコンテキストエクスプローラーを利用する。
理論的に有効なOOD解の保証を示すことによって,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-02-05T02:31:01Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。
本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文 参考訳（メタデータ） (2021-01-16T16:18:43Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳（メタデータ） (2020-12-06T20:30:26Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-04-25T04:53:54Z) - A Neural Architecture for Person Ontology population [4.141401146586342]
ニューラルモデルを用いて非構造化データから人オントロジーグラフを自動的に収集するシステムを提案する。
これらのタスクのための新しいデータセットを導入し、その結果について議論する。
論文 参考訳（メタデータ） (2020-01-22T13:49:14Z)
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。