論文の概要: Theorem-Grounded Execution Ontologies for Interpretable Machine Reasoning
- arxiv url: http://arxiv.org/abs/2606.16010v1
- Date: Sun, 14 Jun 2026 20:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 18:36:04.991922
- Title: Theorem-Grounded Execution Ontologies for Interpretable Machine Reasoning
- Title（参考訳）: 解釈可能な機械推論のための理論付き実行オントロジー
- Abstract要約: Theorem-Grounded Execution Ontologies (TGEO)は、状態遷移プロセスとして推論をモデル化するフレームワークである。
TGEOは、すべての状態遷移、オペレータアプリケーション、バリデーションステップが明示的に表現される、解釈可能、再生可能、監査可能な推論表現を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models have achieved impressive performance on reasoning tasks spanning mathematics, science, programming, and commonsense inference. Despite these advances, their reasoning processes remain largely latent, making them difficult to interpret, verify, replay, debug, and transfer across domains. Existing approaches such as chain-of-thought, tree-of-thoughts, graph-of-thoughts, and tool-augmented reasoning expose intermediate reasoning artifacts but typically lack explicit execution semantics, formal state representations, and verifiable reasoning structures. We introduce Theorem-Grounded Execution Ontologies (TGEO), a framework that models reasoning as an executable state-transition process rather than a sequence of generated tokens. Given an input problem, TGEO identifies relevant theorem families, binds the problem to a domain ontology, discovers semantic objects, instantiates states and operators, constructs predicates and contracts, and synthesizes an executable reasoning graph. The resulting graph provides an interpretable, replayable, and auditable representation of reasoning in which every state transition, operator application, and validation step is explicitly represented. TGEO integrates five architectural components: (1) theorem-grounded reasoning priors, (2) executable ontologies, (3) operator-mediated state transitions, (4) predicate and contract-based execution validation, and (5) architectural auditing and failure localization. We evaluate TGEO on theorem-intensive reasoning tasks derived from mathematical benchmark domains and a curated Golden Execution Suite. Our findings demonstrate the value of executable reasoning representations for interpretable, verifiable, and reproducible AI reasoning systems.
- Abstract（参考訳）: 大規模言語モデルは、数学、科学、プログラミング、常識推論にまたがる推論タスクにおいて、素晴らしいパフォーマンスを達成している。
これらの進歩にもかかわらず、それらの推論プロセスは大部分が遅れており、ドメイン間の解釈、検証、リプレイ、デバッグ、転送が困難である。
チェーン・オブ・シント(英語版)、ツリー・オブ・シント(英語版)、グラフ・オブ・シント(英語版)、ツール強化推論(英語版)といった既存のアプローチは中間的推論アーティファクトを公開するが、通常は明示的な実行セマンティクス、形式的状態表現、検証可能な推論構造を欠いている。
我々は、生成したトークンのシーケンスではなく、実行可能な状態遷移プロセスとして推論をモデル化するフレームワークであるTheorem-Grounded Execution Ontologies (TGEO)を紹介する。
入力問題が与えられたとき、TGEOは関連する定理族を特定し、ドメインオントロジーに問題を結合し、意味オブジェクトを発見し、状態と演算子をインスタンス化し、述語と契約を構築し、実行可能な推論グラフを合成する。
結果として得られるグラフは、すべての状態遷移、演算子アプリケーション、検証ステップが明示的に表現される推論の解釈可能、再生可能、監査可能な表現を提供する。
TGEOは、(1)定理に基づく推論、(2)実行可能なオントロジー、(3)オペレータによる状態遷移、(4)述語と契約に基づく実行検証、(5)アーキテクチャ監査と失敗のローカライゼーションの5つのアーキテクチャコンポーネントを統合する。
我々は,数学ベンチマーク領域から導出される定理集約的推論タスクとゴールデン・エクセプション・スイートについて,TGEOの評価を行った。
本研究は,AI推論システムの解釈,検証,再現性に有効な推論表現の有効性を示すものである。
関連論文リスト
- Graph of States: Solving Abductive Tasks with Large Language Models [14.118026118085245]
本稿では,誘拐作業に適した汎用神経シンボルフレームワークであるGraph of Statesを紹介する。
GoSは、論理的依存関係を明示的にエンコードする因果グラフと、推論プロセスの有効な遷移を管理する状態マシンを利用する。
論文 参考訳（メタデータ） (2026-03-22T14:14:23Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - Project Ariadne: A Structural Causal Framework for Auditing Faithfulness in LLM Agents [0.0]
エージェント推論の因果的整合性を評価するための新しいXAIフレームワークである textbfProject Ariadne を紹介する。
表面レベルのテキスト類似性に依存する既存の解釈可能性メソッドとは異なり、Project Ariadne は中間推論ノードに対して textbfhard の介入(do$-calculus)を行う。
我々の最先端モデルに対する実証的な評価は、永続的なテクスチャフルネスギャップを明らかにします。
論文 参考訳（メタデータ） (2026-01-05T18:05:29Z) - Are Language Models Efficient Reasoners? A Perspective from Logic Programming [109.47572890883248]
現代言語モデル(LM)は、強い推論能力を示すが、標準的な評価は、人間のような推論の重要な側面である効率性を見越しながら、正確性を強調する。
本稿では、論理プログラミングのレンズを用いて、LM推論効率を評価するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-29T15:30:31Z) - Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。
最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。
本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
論文 参考訳（メタデータ） (2025-09-02T14:16:02Z) - ProtoReasoning: Prototypes as the Foundation for Generalizable Reasoning in LLMs [54.154593699263074]
ProtoReasoningは、大規模推論モデルの推論能力を高めるフレームワークである。
ProtoReasoningは問題を対応するプロトタイプ表現に変換する。
ProtoReasoningは論理的推論に基づくベースラインモデルよりも4.7%改善されている。
論文 参考訳（メタデータ） (2025-06-18T07:44:09Z) - Theorem-of-Thought: A Multi-Agent Framework for Abductive, Deductive, and Inductive Reasoning in Language Models [2.172419551358714]
大規模言語モデル(LLM)は、自然言語推論タスク全体で強いパフォーマンスを示しているが、その推論プロセスは脆弱で解釈が難しいままである。
Theorem-of-Thought (ToTh)は、3つの並列エージェント間の協調として推論をモデル化する新しいフレームワークである。
シンボリック(WebOfLies)と数値(MultiArithm)の推論ベンチマークの実験は、ToThがCoT、セルフ一貫性、CoT-デコーディングを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2025-06-08T12:28:38Z) - On the Diagram of Thought [20.805936414171892]
大規模言語モデル(LLM)は多くのタスクで優れているが、構造化された多段階の推論を必要とする複雑な問題に悩まされることが多い。
思考のダイアグラム(Diagram of Thought, DoT)は、1つのLCMがその推論のメンタルマップを構築し、ナビゲートすることを可能にする新しいフレームワークである。
論文 参考訳（メタデータ） (2024-09-16T07:01:41Z) - Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation [19.799266797193344]
議論ベースのシステムは、意思決定プロセスをサポートしながら説明責任を欠くことが多い。
対実的・半実的な説明は解釈可能性のテクニックである。
本稿では,制約の弱いArgumentation Frameworkにおいて,逆ファクトおよび半ファクトのクエリを符号化可能であることを示す。
論文 参考訳（メタデータ） (2024-05-07T07:27:27Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳（メタデータ） (2023-11-10T16:23:50Z) - MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。
推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。
この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文 参考訳（メタデータ） (2022-10-22T16:01:13Z)
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。