Fugu-MT 論文翻訳(概要): Formalizing and validating properties in Asmeta with Large Language Models (Extended Abstract)

論文の概要: Formalizing and validating properties in Asmeta with Large Language Models (Extended Abstract)

arxiv url: http://arxiv.org/abs/2603.15375v1
Date: Mon, 16 Mar 2026 14:50:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 18:28:58.513436
Title: Formalizing and validating properties in Asmeta with Large Language Models (Extended Abstract)
Title（参考訳）: 大規模言語モデルを用いたアスメタの形式化と妥当性検証(拡張抽象)
Authors: Andrea Bombarda, Silvia Bonfanti, Angelo Gargantini, Nico Pellegrinelli,
Abstract要約: 本研究では,大言語モデル(LLM)をAsmetaフレームワークに統合し,時間特性の定義,形式化,説明,検証を行う。本稿では、モデルチェッカーが作成したAsmeta仕様とフィードバックを活用することで、LCMベースのエージェントがこれらのアクティビティをサポートするワークフローを提案する。
参考スコア（独自算出の注目度）: 1.6799377888527687
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Writing temporal logic properties is often a challenging task for users of model-based development frameworks, particularly when translating informal requirements into formal specifications. In this paper, we explore the idea of integrating Large Language Models (LLMs) into the Asmeta framework to assist users during the definition, formalization, explanation, and validation of temporal properties. We present a workflow in which an LLM-based agent supports these activities by leveraging the Asmeta specification and the feedback produced by the model checker. This work serves as a proof of concept that illustrates the feasibility and potential benefits of such an integration through representative examples.
Abstract（参考訳）: 時間論理特性の記述は、特に非公式な要件を形式的な仕様に変換する場合、モデルベースの開発フレームワークのユーザにとって難しいタスクであることが多い。本稿では,多言語モデル(LLM)をAsmetaフレームワークに統合し,時間特性の定義,形式化,説明,検証を行う。本稿では、モデルチェッカーが作成したAsmeta仕様とフィードバックを活用することで、LCMベースのエージェントがこれらのアクティビティをサポートするワークフローを提案する。この研究は、代表的な例を通してそのような統合の実現可能性と潜在的な利益を示す概念の証明として機能する。

関連論文リスト

Toward Formalizing LLM-Based Agent Designs through Structural Context Modeling and Semantic Dynamics Analysis [13.919694566467053]
この断片化は、LLMエージェントの特性と比較を可能にする分析可能な自己整合形式モデルが存在しないことに起因すると我々は主張する。このギャップに対処するために、文脈構造の観点からLLMエージェントを解析・比較するための形式モデルであるtexttt Structure Context Model を提案する。モンキー・バナナ問題の動的変種に対する完全な枠組みの有効性を実証し,本手法を用いて開発したエージェントが成功率を最大32ポイント向上することを示した。
論文参考訳（メタデータ） (2026-02-09T05:15:11Z)
Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文参考訳（メタデータ） (2025-12-27T01:52:06Z)
Fine-Tuned Language Models for Domain-Specific Summarization and Tagging [3.543800643014229]
本稿では,ドメイン固有テキスト要約とタグ付けを効率的に行うために,細調整された大言語モデル(LLM)と名前付きエンティティ認識(NER)を統合するパイプラインを提案する。著者らは、自動化された情報抽出と法執行機関の監視を複雑にする、急速に進化するサブカルチャー言語とスラングによって引き起こされる課題に対処する。
論文参考訳（メタデータ） (2025-10-29T12:33:48Z)
PAT-Agent: Autoformalization for Model Checking [17.082027022913998]
PAT-Agentは自然言語の自動形式化と形式モデル修復のためのエンドツーエンドフレームワークである。これは、大きな言語モデルの生成能力と形式的検証の厳密さを組み合わせたものである。
論文参考訳（メタデータ） (2025-09-28T06:32:14Z)
Beyond Next Word Prediction: Developing Comprehensive Evaluation Frameworks for measuring LLM performance on real world applications [3.686808512438363]
大規模言語モデル (LLM) には多くのユースケースがあり、すでにかなりの数の企業採用を獲得している。本稿では,従来のゲームおよびツールベースのアーキテクチャに基づく,より包括的な評価フレームワークの基礎を提供する。
論文参考訳（メタデータ） (2025-03-05T06:44:38Z)
A process algebraic framework for multi-agent dynamic epistemic systems [55.2480439325792]
本稿では,マルチエージェント,知識ベース,動的システムのモデリングと解析のための統合フレームワークを提案する。モデリング側では,このようなフレームワークを実用的な目的に使いやすくするプロセス代数的,エージェント指向の仕様言語を提案する。
論文参考訳（メタデータ） (2024-07-24T08:35:50Z)
Learning to Extract Structured Entities Using Language Models [52.281701191329]
機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
論文参考訳（メタデータ） (2024-02-06T22:15:09Z)
EvEntS ReaLM: Event Reasoning of Entity States via Language Models [24.077262847151232]
残念なことに、Large Language Model(LLM)は、オブジェクトの相互作用に関する手続き的な知識を公開しています。特に,本研究の結果は,未確認属性(ドメイン外)や限られたデータしか利用できない場合に特に有用であることが示唆された。
論文参考訳（メタデータ） (2022-11-10T07:48:01Z)
Metadata Representations for Queryable ML Model Zoos [73.24799582702326]
機械学習(ML)の実践者や組織は、事前訓練されたモデルのモデル動物園を構築しており、モデルの性質を記述するメタデータを含んでいる。メタタダは現在標準化されておらず、表現力は限られている。本稿では,MLモデルのメタデータ表現と管理の標準化を提唱し,そのメタデータの管理とクエリを支援するツールキットを提案する。
論文参考訳（メタデータ） (2022-07-19T15:04:14Z)
Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
論文参考訳（メタデータ） (2022-03-30T05:59:50Z)
Interpretable Entity Representations through Large-Scale Typing [61.4277527871572]
本稿では,人間の読みやすいエンティティ表現を作成し,箱から高パフォーマンスを実現する手法を提案する。我々の表現は、微粒な実体型に対する後続確率に対応するベクトルである。特定のドメインに対して,学習に基づく方法で,型セットのサイズを縮小できることを示す。
論文参考訳（メタデータ） (2020-04-30T23:58:03Z)

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。