論文の概要: VADAOrchestra: Neurosymbolic Orchestration of Adaptive Reasoning Workflows

• arxiv url: http://arxiv.org/abs/2606.22485v1
• Date: Sun, 21 Jun 2026 13:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.014359
• Title: VADAOrchestra: Neurosymbolic Orchestration of Adaptive Reasoning Workflows
• Title（参考訳）: VADAOrchestra:適応推論ワークフローのニューロシンボリックオーケストレーション
• Authors: Teodoro Baldazzi, Luigi Bellomarini, Andrea Coletta, Michela Iezzi, Carsten Maple, Alessandro Pesare, Emanuel Sallinger,
• Abstract要約: 実世界の環境での意思決定は、固定されたスクリプトに従うことはめったにない。代わりに、動的推論プロセスとして展開する。 VADAOrchestraは、複雑な推論過程をモデル化するニューロシンボリックなフレームワークである。
• 参考スコア（独自算出の注目度）: 47.70653885737167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decision-making in real-world settings rarely follows a fixed script. Instead, it unfolds as a dynamic reasoning process in which the appropriate course of action evolves as new context and data become available. Traditional Business Process Management systems provide rigor, determinism, and auditability, yet they generally struggle to adapt their execution at runtime. Conversely, agentic systems based on Large Language Models (LLMs) bring flexibility to decision-making, but they are inherently opaque, often unreliable, and suffer from significant scalability constraints when operating over large datasets. To combine these complementary paradigms, we introduce VADAOrchestra, a neurosymbolic framework that models complex workflows as evolving reasoning processes. The framework adopts a hybrid approach: given a user query and a collection of data sources, an LLM-based orchestrator incrementally plans and adapts the workflow. This is encoded as a logic program in a fragment of Datalog+/- where predicates correspond to tool invocations and rules represent both predefined domain dependencies and logic constructs synthesized on demand to manipulate intermediate results. All logical inference tasks are then executed by a state-of-the-art Datalog+/- symbolic engine. This approach provides a verifiable reasoning trace, supporting the auditability and reproducibility of the entire process. Furthermore, by decoupling high-level orchestration from symbolic inference, it addresses scalability concerns, enabling complex reasoning over large datasets through targeted data querying. We evaluate VADAOrchestra on real-world financial use cases, demonstrating faithfulness, scalability, and explainability compared to standard agentic architectures.
• Abstract（参考訳）: 実世界の設定における決定は、固定されたスクリプトに従うことは滅多にない。 代わりに、新しいコンテキストとデータが利用可能になると、適切なアクションの経路が進化する動的な推論プロセスとして展開される。 従来のビジネスプロセス管理システムは厳格さ、決定性、監査性を提供しますが、実行時に実行に適応するのに一般的に苦労しています。 逆に、LLM(Large Language Models)に基づくエージェントシステムは、意思決定に柔軟性をもたらすが、それらは本質的に不透明であり、しばしば信頼できない。 これらの相補的パラダイムを組み合わせるために,複雑なワークフローを進化的推論プロセスとしてモデル化する,ニューロシンボリックなフレームワークであるVADAOrchestraを紹介した。 ユーザクエリとデータソースのコレクションが与えられた場合、LLMベースのオーケストレータは段階的にワークフローを計画し、適応する。 これはDatalog+/の断片のロジックプログラムとしてエンコードされ、述語はツールの呼び出しとルールに対応し、定義済みのドメイン依存と、中間結果を操作するために必要に応じて合成されたロジック構成の両方を表す。 すべての論理推論タスクは、最先端のDatalog+/-シンボリックエンジンによって実行される。 このアプローチは、検証可能な推論トレースを提供し、プロセス全体の監査可能性と再現性をサポートする。 さらに、シンボリック推論から高レベルのオーケストレーションを分離することで、スケーラビリティ上の懸念に対処し、ターゲットとするデータクエリを通じて、大規模なデータセットに対する複雑な推論を可能にする。 VADAOrchestraを実世界の金融ユースケースで評価し、標準的なエージェントアーキテクチャと比較して忠実さ、スケーラビリティ、説明可能性を示す。

関連論文リスト

• LOGIGEN: Logic-Driven Generation of Verifiable Agentic Tasks [4.6880826836662814]
  検証可能なトレーニングデータを合成するロジック駆動フレームワークである textbfLOGIGEN を紹介する。 2$-Benchでは、LOGIGEN-32B(RL)がtextbf79.5%の成功率を獲得し、ベースモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-02-28T08:35:30Z)
• Query as Anchor: Scenario-Adaptive User Representation via Large Language Model [28.30329175937291]
  静的エンコーディングから動的クエリ認識合成へユーザモデリングをシフトするフレームワークであるQuery-as-Anchorを提案する。 まず,産業規模の事前学習データセットであるUserUを構築し,行動系列とユーザ理解のセマンティクスを整合させる。 クラスタベースのSoft Prompt Tuningを導入し、識別潜在構造を強制する。 デプロイメントでは、シーケンスターミニでのクエリのアンカーにより、無視可能なインクリメンタルレイテンシでKVキャッシュを加速する推論が可能になる。
  論文  参考訳（メタデータ） (2026-02-16T06:09:31Z)
• AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
  大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。 本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
  論文  参考訳（メタデータ） (2026-02-10T03:21:42Z)
• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• FABRIC: Framework for Agent-Based Realistic Intelligence Creation [3.940391073007047]
  大規模言語モデル(LLM)はエージェントとしてますます多くデプロイされ、目標を分解し、ツールを実行し、動的環境で結果を検証することが期待されている。 本稿では,LLMのみを用いたエージェントデータの統一化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-20T18:20:22Z)
• DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
  DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。 社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。 結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
  論文  参考訳（メタデータ） (2025-09-30T10:36:23Z)
• Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
  本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。 まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。 次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
  論文  参考訳（メタデータ） (2025-08-05T12:28:23Z)

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。