論文の概要: Beyond Monolithic Models: Symbolic Seams for Composable Neuro-Symbolic Architectures

• arxiv url: http://arxiv.org/abs/2603.15087v1
• Date: Mon, 16 Mar 2026 10:41:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.078016
• Title: Beyond Monolithic Models: Symbolic Seams for Composable Neuro-Symbolic Architectures
• Title（参考訳）: モノリシックモデルを超えて: 構成可能なニューロシンボリックアーキテクチャのためのシンボリックシーム
• Authors: Nicolas Schuler, Vincenzo Scotti, Raffaela Mirandola,
• Abstract要約: 私たちは、AIを固定されたアーティファクトではなく、生きたアーキテクチャとして扱う指針原則として、構成可能性を主張します。 本稿では,学習したコンポーネントのデータ駆動適応性と,明示的な記号的制約の妥当性を組み合わせた,構成可能なニューロシンボリックデザインを実現する方法について述べる。
• 参考スコア（独自算出の注目度）: 2.5619051280004723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current Artificial Intelligence (AI) systems are frequently built around monolithic models that entangle perception, reasoning, and decision-making, a design that often conflicts with established software architecture principles. Large Language Models (LLMs) amplify this tendency, offering scale but limited transparency and adaptability. To address this, we argue for composability as a guiding principle that treats AI as a living architecture rather than a fixed artifact. We introduce symbolic seams: explicit architectural breakpoints where a system commits to inspectable, typed boundary objects, versioned constraint bundles, and decision traces. We describe how seams enable a composable neuro-symbolic design that combines the data-driven adaptability of learned components with the verifiability of explicit symbolic constraints -- combining strengths neither paradigm achieves alone. By treating AI systems as assemblies of interchangeable parts rather than indivisible wholes, we outline a direction for intelligent systems that are extensible, transparent, and amenable to principled evolution.
• Abstract（参考訳）: 現在の人工知能(AI)システムは、認識、推論、意思決定を絡めるモノリシックなモデルを中心に構築されている。 大規模言語モデル(LLM)はこの傾向を増幅し、拡張性はあるが、透明性と適応性は限られている。 これを解決するために,我々は,AIを固定されたアーティファクトではなく,生きたアーキテクチャとして扱うための原則として,コンポーザビリティを論じる。 システムは検査可能な、型付き境界オブジェクト、バージョン付き制約バンドル、決定トレースにコミットする。 シームは、学習したコンポーネントのデータ駆動適応性と明示的な象徴的制約の検証性を組み合わせた、構成可能なニューロシンボリックデザインを可能にします。 AIシステムは、識別不能な全体ではなく、交換可能な部分の集合体として扱うことで、拡張可能で透明で、原則化された進化に順応可能なインテリジェントなシステムの方向性を概説する。

関連論文リスト

• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• Top 10 Open Challenges Steering the Future of Diffusion Language Model and Its Variants [85.33837131101342]
  本稿では,基盤基盤,アルゴリズム最適化,認知推論,統合マルチモーダルインテリジェンスという4つの柱で構成された戦略ロードマップを提案する。 この移行は、複雑な構造的推論、動的自己補正、シームレスなマルチモーダル統合が可能な次世代AIの開発に不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2026-01-20T14:58:23Z)
• Systems Explaining Systems: A Framework for Intelligence and Consciousness [0.0]
  本稿では,予測やドメイン固有のメカニズムではなく,関係構造から知性と意識が出現する概念的枠組みを提案する。 本稿では,高次系が時間とともに低次系の関係パターンを学習し,解釈する際に,意識が出現するシステム記述系原理を紹介する。 このフレームワークは、予測処理を明示的な予測よりも文脈解釈の創発的な結果として再設定する。
  論文  参考訳（メタデータ） (2026-01-07T11:19:22Z)
• Bridging Symbolic Control and Neural Reasoning in LLM Agents: The Structured Cognitive Loop [0.0]
  エージェント認知を,検索,認知,制御,行動,記憶の5段階に分けたモジュール型アーキテクチャであるStructured Cognitive Loop (SCL)を導入する。 SCLの中核であるSoft Symbolic Controlは、確率的推論にシンボリック制約を適用する適応的なガバナンスメカニズムである。 我々は,ライブGPT-4oによる旅行計画エージェントとともに,R-CCAMループアーキテクチャを実演する完全なオープンソース実装を提供する。
  論文  参考訳（メタデータ） (2025-11-21T05:19:34Z)
• PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
  既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。 PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。 既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
  論文  参考訳（メタデータ） (2025-10-12T10:34:35Z)
• Model-Grounded Symbolic Artificial Intelligence Systems Learning and Reasoning with Model-Grounded Symbolic Artificial Intelligence Systems [7.000073566770884]
  ニューロシンボリック人工知能(AI)システムは、ニューラルネットワークと古典的なシンボリックAIメカニズムを組み合わせたシステムである。 従来の学習や推論のパラダイムと構造的類似性を維持する新しい学習・推論手法を開発した。
  論文  参考訳（メタデータ） (2025-07-14T01:34:05Z)
• The Role of Foundation Models in Neuro-Symbolic Learning and Reasoning [54.56905063752427]
  Neuro-Symbolic AI(NeSy)は、AIシステムの安全なデプロイを保証することを約束している。 ニューラルネットワークとシンボリックコンポーネントを順次トレーニングする既存のパイプラインは、広範なラベリングを必要とする。 新しいアーキテクチャであるNeSyGPTは、生データから象徴的特徴を抽出する視覚言語基盤モデルを微調整する。
  論文  参考訳（メタデータ） (2024-02-02T20:33:14Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• A Reference Architecture for Designing Foundation Model based Systems [28.826700360670515]
  ファンデーションモデルが将来のAIシステムの基本的なビルディングブロックになる、という広いコンセンサスがある。 基礎モデルをAIシステムに組み込むことは、責任と安全性に関する重要な懸念を提起する。 本稿では,基礎モデルに基づくシステム設計のためのパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-13T05:01:03Z)
• MRKL Systems: A modular, neuro-symbolic architecture that combines large language models, external knowledge sources and discrete reasoning [50.40151403246205]
  巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。 離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。 本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2022-05-01T11:01:28Z)

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。