論文の概要: A Neuro-Symbolic Approach to Strategy Synthesis for Strategic Logics

• arxiv url: http://arxiv.org/abs/2606.17962v1
• Date: Tue, 16 Jun 2026 14:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.475144
• Title: A Neuro-Symbolic Approach to Strategy Synthesis for Strategic Logics
• Title（参考訳）: 戦略論理のための戦略合成のためのニューロ・シンボリックアプローチ
• Authors: Marco Aruta, Vadim Malvone, Aniello Murano, Domenico Parente, Luca Rizzuti,
• Abstract要約: マルチエージェントシステムのためのモデルチェックパイプラインに,大規模言語モデルを統合するニューロシンボリックフレームワークを導入する。 我々はNatATLにおける境界戦略推論のためのフレームワークをインスタンス化し、最初のNatATL戦略合成データセットを導入する。 オープンウェイトQwen3-32Bモデルによる実験により,我々の認定パイプラインは,戦略合成結果の92%の精度を達成できた。
• 参考スコア（独自算出の注目度）: 6.277618174935789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reasoning about what agents can achieve through strategic interaction is a core challenge in Multi-Agent Systems (MAS). Logics for strategic ability, such as ATL, provide rigorous methods, but their adoption is often hindered by the computational cost of strategy synthesis. We introduce a neuro-symbolic framework that integrates large language models (LLMs) into the model-checking pipeline for MAS. The LLM acts as a strategy-generation oracle, proposing candidate strategies that are then formally validated by a standard MAS model checker. This generate-and-certify architecture uses LLM guidance to navigate large combinatorial strategy spaces while preserving formal soundness: generated strategies are accepted only when certified by the verifier. We instantiate the framework for bounded strategic reasoning in NatATL and introduce the first NatATL strategy-synthesis dataset, consisting of 4211 instances. Experiments with an open-weight Qwen3-32B model show that our certified pipeline achieves 92\% accuracy on strategy-synthesis outcomes.
• Abstract（参考訳）: マルチエージェントシステム(MAS: Multi-Agent Systems)における中核的な課題は、戦略的相互作用を通じてエージェントが達成できることである。 ATLのような戦略能力のための論理は厳密な方法を提供するが、その採用は戦略合成の計算コストによって妨げられることが多い。 大規模言語モデル(LLM)をMASのモデルチェックパイプラインに統合する,ニューロシンボリックフレームワークを提案する。 LLMは戦略生成のオラクルとして機能し、標準的なMASモデルチェッカーによって正式に検証される候補戦略を提案する。 この生成・検証アーキテクチャは、LCMガイダンスを用いて、形式的健全性を維持しながら大きな組合せ戦略空間をナビゲートする。 我々はNatATLにおける境界戦略推論のためのフレームワークをインスタンス化し、4211インスタンスからなる最初のNatATL戦略合成データセットを導入する。 オープンウェイトQwen3-32Bモデルによる実験により,我々の認定パイプラインは,戦略合成結果の92%の精度を達成できた。

関連論文リスト

• Expanding LLM Agent Boundaries with Strategy-Guided Exploration [51.98616048282804]
  強化学習(RL)は、コンピュータ使用、ツール呼び出し、コーディングなどのタスクのエージェントとして、大規模言語モデル(LLM)の訓練後において顕著な成功を収めた。 我々は,低レベルな行動から高レベルな言語戦略に移行するための戦略ガイド探索(SGE)を提案する。
  論文  参考訳（メタデータ） (2026-03-02T16:28:39Z)
• Strategy Executability in Mathematical Reasoning: Leveraging Human-Model Differences for Effective Guidance [86.46794021499511]
  戦略利用と戦略実行可能性の間には、これまで未定のギャップがある。 SSR(Selective Strategy Retrieval)は,実行可能性を明確にモデル化するテストタイムフレームワークである。 SSRは、直接解決、文脈内学習、単一ソースガイダンスよりも信頼性が高く一貫した改善をもたらす。
  論文  参考訳（メタデータ） (2026-02-26T03:34:23Z)
• SynthStrategy: Extracting and Formalizing Latent Strategic Insights from LLMs in Organic Chemistry [4.220916808049659]
  本稿では,大規模言語モデルを用いて合成知識をコードに抽出する手法を提案する。 本システムでは, 合成経路を解析し, 戦略原理を多種多様な戦略的, 戦術的ルールを表すPython関数に変換する。 この研究は、CASPにおける戦術的戦略的分割を橋渡しし、戦略的基準によるルートの仕様、探索、評価を可能にする。
  論文  参考訳（メタデータ） (2025-12-01T10:33:00Z)
• Plan before Solving: Problem-Aware Strategy Routing for Mathematical Reasoning with LLMs [49.995906301946]
  既存の手法は通常、数学的推論を行うためにLLM(Large Language Models)をガイドするための固定戦略を利用する。 分析の結果,単一戦略は問題固有の要件に適応できず,有効性と効率性のトレードオフを見落としていることが明らかとなった。 本稿では,PRISM(Planning and Routing through Instance-Specific Modeling)を提案する。
  論文  参考訳（メタデータ） (2025-09-29T07:22:41Z)
• Do We Truly Need So Many Samples? Multi-LLM Repeated Sampling Efficiently Scales Test-Time Compute [54.22256089592864]
  本稿では,テスト時間計算のスケールアップによるLCM性能向上のための,シンプルで効果的で費用効率のよい手法を提案する。 当社の戦略は,複数のモデルを組み込んで,補完的な強みを活用するという,新たなツイストによって,繰り返しサンプリングされる投票フレームワークを基盤としています。
  論文  参考訳（メタデータ） (2025-04-01T13:13:43Z)
• EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning [69.55982246413046]
  戦略的推論のための明示的なポリシー最適化(EPO)を提案する。 我々は,マルチターン強化学習(RL)による戦略的推論モデルを訓練し,プロセス報酬と反復的な自己プレイを活用する。 本研究は, EPOに出現する様々な協調的推論機構と, 新規戦略の創出における有効性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-02-18T03:15:55Z)
• Dspy-based Neural-Symbolic Pipeline to Enhance Spatial Reasoning in LLMs [29.735465300269993]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な能力を示してきたが、しばしば空間的推論に苦しむ。 本稿では LLM と Answer Set Programming (ASP) の反復的フィードバックにより LLM の空間推論能力を高める新しいニューラルシンボリックフレームワークを提案する。 我々は、StepGameとSparQAという2つのベンチマークデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2024-11-27T18:04:05Z)
• Hyper Strategy Logic [4.726777092009553]
  戦略論理(SL)は、マルチエージェントシステムにおける戦略的推論を可能にする強力な時間論理である。 ハイパー戦略論理(HyperSL)は、複数の戦略プロファイルの結果をハイパープロパティで比較できる戦略論理である。 本稿では,非干渉,定量的なナッシュ均衡,最適対向計画,不完全な情報に基づく推論など,SLで表現できない重要な特性をHyperSLで捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-03-20T16:47:53Z)

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。