論文の概要: Ontology-Constrained Neural Reasoning in Enterprise Agentic Systems: A Neurosymbolic Architecture for Domain-Grounded AI Agents
- arxiv url: http://arxiv.org/abs/2604.00555v1
- Date: Wed, 01 Apr 2026 06:59:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:31.881849
- Title: Ontology-Constrained Neural Reasoning in Enterprise Agentic Systems: A Neurosymbolic Architecture for Domain-Grounded AI Agents
- Title（参考訳）: 企業エージェントシステムにおけるオントロジー制約型ニューラル推論:ドメイン周囲AIエージェントのためのニューロシンボリックアーキテクチャ
- Authors: Thanh Luong Tuan,
- Abstract要約: 本稿では,OSFAOS(Foundation Agentic Enterprise)プラットフォーム内に実装されたニューロシンボリックアーキテクチャを提案する。
我々のアプローチでは、LLMベースのエンタープライズエージェントに形式的なセマンティックグラウンドを提供する3層オントロジフレームワーク、Role、Domain、Interactionを導入しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Enterprise adoption of Large Language Models (LLMs) is constrained by hallucination, domain drift, and the inability to enforce regulatory compliance at the reasoning level. We present a neurosymbolic architecture implemented within the Foundation AgenticOS (FAOS) platform that addresses these limitations through ontology-constrained neural reasoning. Our approach introduces a three-layer ontological framework--Role, Domain, and Interaction ontologies--that provides formal semantic grounding for LLM-based enterprise agents. We formalize the concept of asymmetric neurosymbolic coupling, wherein symbolic ontological knowledge constrains agent inputs (context assembly, tool discovery, governance thresholds) while proposing mechanisms for extending this coupling to constrain agent outputs (response validation, reasoning verification, compliance checking). We evaluate the architecture through a controlled experiment (600 runs across five industries: FinTech, Insurance, Healthcare, Vietnamese Banking, and Vietnamese Insurance), finding that ontology-coupled agents significantly outperform ungrounded agents on Metric Accuracy (p < .001, W = .460), Regulatory Compliance (p = .003, W = .318), and Role Consistency (p < .001, W = .614), with improvements greatest where LLM parametric knowledge is weakest--particularly in Vietnam-localized domains. Our contributions include: (1) a formal three-layer enterprise ontology model, (2) a taxonomy of neurosymbolic coupling patterns, (3) ontology-constrained tool discovery via SQL-pushdown scoring, (4) a proposed framework for output-side ontological validation, (5) empirical evidence for the inverse parametric knowledge effect that ontological grounding value is inversely proportional to LLM training data coverage of the domain, and (6) a production system serving 21 industry verticals with 650+ agents.
- Abstract（参考訳）: 大規模言語モデル(LLM)の企業導入は、幻覚、ドメインのドリフト、および推論レベルで規制の遵守を強制できないことによって制限されている。
本稿では、オントロジーに制約のある神経推論を通じてこれらの制限に対処する、Foundation AgenticOS(FAOS)プラットフォーム内に実装されたニューロシンボリックアーキテクチャを提案する。
我々のアプローチでは、LLMベースのエンタープライズエージェントに形式的なセマンティックグラウンドを提供する3層オントロジーフレームワーク、Role、Domain、Interactionオントロジーを導入しています。
我々は,非対称なニューロシンボリックカップリングの概念を定式化し,象徴的存在論的知識がエージェント入力(コンテキストアセンブリ,ツール発見,ガバナンスしきい値)を制約する一方で,この結合を制約エージェント出力(応答検証,推論検証,コンプライアンスチェック)に拡張するメカニズムを提案する。
制御された実験(FinTech, Insurance, Healthcare, Vietnam Banking, Vietnam Insurance)を通してアーキテクチャを評価し, オントロジーに結合したエージェントは, 平均的正確性(p < .001, W = .460), 規制適合性(p = .003, W = .318), 役割整合性(p < .001, W = .614)において, LLMパラメトリック知識が最も弱く, ベトナムの局所的な領域では最大である。
1)3層型エンタープライズオントロジーモデル,(2)ニューロシンボリックカップリングパターンの分類,(3)SQL-pushdownスコアによるオントロジー制約されたツール発見,(4)アウトプット側オントロジー検証のためのフレームワーク,(5)オントロジー基底値がドメインのLLMトレーニングデータカバレッジに逆比例する逆パラメトリック知識効果の実証的証拠,(6)650以上のエージェントを備えた21の産業縦断情報を提供する生産システム。
関連論文リスト
- From Pixels to Digital Agents: An Empirical Study on the Taxonomy and Technological Trends of Reinforcement Learning Environments [40.37268689666231]
強化学習(RL)は、人工エージェントの訓練や評価に用いられる環境と本質的に結びついている。
この研究は、従来の定性的なレビューを超えて、進化に関する大規模な実証的研究を提示する。
論文 参考訳（メタデータ） (2026-03-25T05:56:54Z) - Large Language Models as a Semantic Interface and Ethical Mediator in Neuro-Digital Ecosystems: Conceptual Foundations and a Regulatory Imperative [83.99688944263843]
本稿では,神経言語統合(NLI)の概念を紹介し,実証する。
これは、大規模言語モデルが生のニューラルネットワークとそのソーシャルアプリケーションの間の重要なセマンティックインターフェースとして機能する、人間とテクノロジーの相互作用のための新しいパラダイムである。
我々は、神経データ保護だけでなく、AIを介する意味論的解釈自体の倫理にも焦点をあてた「二階神経倫理学の発展を論じる」。
論文 参考訳（メタデータ） (2026-03-18T07:34:17Z) - Mozi: Governed Autonomy for Drug Discovery LLM Agents [21.429647382651677]
依存度の高い医薬品パイプラインでは、自律的なエージェントがしばしば再現不可能な軌道へと漂流する。
我々は、生成AIの柔軟性と計算生物学の決定論的厳密さを橋渡しする二重層アーキテクチャであるMoziを紹介する。
モジの大規模化学空間をナビゲートし、強い毒性フィルターを強制し、シリカ候補において高い競争力を発揮する能力を示す。
論文 参考訳（メタデータ） (2026-03-04T02:22:21Z) - LLM-based Triplet Extraction from Financial Reports [39.146761527401424]
Ontology Conformance と Faithfulness を用いた半自動三重項抽出パイプラインを提案する。
また, LLM-as-a-judge チェックとのマッチングを併用し, 被験者の幻覚率を65.2%から1.6%に下げるハイブリッド検証戦略を提案する。
論文 参考訳（メタデータ） (2026-02-12T12:36:10Z) - Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。
従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。
LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-25T12:47:25Z) - Towards agent-based-model informed neural networks [0.5787117733071417]
エージェントベースモデルの基本原理と整合したニューラルネットワークを設計するためのフレームワークを提案する。
複雑さの増加に関する3つのケーススタディにまたがって、このフレームワークを検証する。
論文 参考訳（メタデータ） (2025-12-05T14:50:50Z) - 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) - Agentic System with Modal Logic for Autonomous Diagnostics [0.3437656066916039]
エージェント推論の構造、忠実性、論理的一貫性のスケーリングは、AI研究の重要かつ過小評価されている次元である、と我々は主張する。
本稿では,個々のエージェントの信念状態がKripkeモデルとして正式に表現される,ニューロシンボリックなマルチエージェントアーキテクチャを提案する。
本研究は,不可変でドメイン固有な知識を用いて,適切な,信頼性,説明可能な診断に不可欠な論理的制約として符号化された情報的根本原因診断を行う。
論文 参考訳（メタデータ） (2025-09-15T14:03:06Z) - Technical Report: Facilitating the Adoption of Causal Inference Methods Through LLM-Empowered Co-Pilot [44.336297829718795]
CATE-Bは,大規模言語モデル(LLM)をエージェントフレームワーク内で使用して,治療効果推定を通じてユーザを誘導する,オープンソースのコパイロットシステムである。
CATE-B は (i) 因果発見と LLM に基づくエッジオリエンテーションによる構造因果モデルの構築、 (ii) 因果構造とデータセット特性に適合した適切な回帰方法を選択することによるロバストな調整セットの同定を支援する。
論文 参考訳（メタデータ） (2025-08-14T12:20:51Z) - LLM-based Agents for Automated Confounder Discovery and Subgroup Analysis in Causal Inference [1.1538255621565348]
本稿では,共同創設者の自動発見とサブグループ分析のための大規模言語モデルに基づくエージェントを提案する。
本フレームワークは,サブグループ識別と構造発見を体系的に行う。
以上の結果から,LSMをベースとしたエージェントは,スケーラブルで信頼性が高く,セマンティックに認識された因果推論へ有望な道をたどることが示唆された。
論文 参考訳（メタデータ） (2025-08-10T07:45:49Z) - Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。
我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
論文 参考訳（メタデータ） (2025-05-28T15:20:09Z)
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。