論文の概要: ClassicLogic: A Knowledge-Driven Benchmark of Classic Puzzle Games for Evaluating Compositional Generalization

• arxiv url: http://arxiv.org/abs/2607.05185v1
• Date: Mon, 06 Jul 2026 15:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.201939
• Title: ClassicLogic: A Knowledge-Driven Benchmark of Classic Puzzle Games for Evaluating Compositional Generalization
• Title（参考訳）: ClassicLogic: 構成一般化評価のための古典的なパズルゲームの知識駆動ベンチマーク
• Abstract要約: ClassicLogicは、エージェントが問題解決戦略を学び、構成する能力を評価するために設計された新しいベンチマークスイートである。 このベンチマークは、数独、剣剣、カクロ、不等式という4つの古典的な論理パズルで構成されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compositional generalization, the ability to understand and produce novel combinations of known components, remains a fundamental challenge for modern artificial intelligence. While few benchmarks exist, many focus on linguistic tasks and lack complex, explicit compositional structures. We introduce ClassicLogic, a new benchmark suite designed to evaluate an agent's ability to learn and compose problem-solving strategies. The benchmark consists of four classic logic puzzles: Sudoku, KenKen, Kakuro, and Futoshiki. Its core innovation is a hierarchical, explicit knowledge base for each game, where complex solving strategies are formally defined as compositions of simpler, foundational strategies. This structure allows for fine-grained evaluation of an agent's reasoning capabilities, from learning basic rules to applying multi-step compositional strategies to solve puzzles of increasing, mathematically validated difficulty. The open-source benchmark provides a challenging new testbed for advancing neuro-symbolic and other advanced AI reasoning systems.
• Abstract（参考訳）: 作曲の一般化は、既知のコンポーネントの新しい組み合わせを理解し、生成する能力であり、現代人工知能の根本的な課題である。 ベンチマークはほとんど存在しないが、言語的なタスクに重点を置いており、複雑で明示的な構成構造を欠いている。 エージェントが問題解決戦略を学習し、構成する能力を評価するために設計された新しいベンチマークスイートであるClassicLogicを紹介する。 このベンチマークは、数独、剣剣、カクロ、不等式という4つの古典的な論理パズルで構成されている。 その中心となる革新は、複雑な解法戦略を、より単純で基礎的な戦略の合成として正式に定義する、各ゲームの階層的で明示的な知識基盤である。 この構造は,基本ルールの学習から多段階構成戦略の適用に至るまで,エージェントの推論能力のきめ細かい評価を可能にする。 オープンソースのベンチマークは、ニューロシンボリックや他の高度なAI推論システムを前進させるための、挑戦的な新しいテストベッドを提供する。

関連論文リスト

• PuzzlePlex: Benchmarking Foundation Models on Reasoning and Planning with Puzzles [53.47227295854126]
  本研究では,基礎モデルの推論と計画能力と,複雑な動的環境におけるスケーラビリティについて検討する。 PuzzlePlexは、様々なパズルによってこれらの能力を評価するために設計されたベンチマークである。
  論文  参考訳（メタデータ） (2025-10-07T21:24:29Z)
• OMEGA: Can LLMs Reason Outside the Box in Math? Evaluating Exploratory, Compositional, and Transformative Generalization [88.76091817642963]
  最近の大規模言語モデル (LLMs) は、DeepSeek-R1-のような長い鎖の推論を持ち、オリンピアード級数学において印象的な成果を上げている。 本稿では,3つの分布外一般化の軸を評価するために設計された3つの一般化 Axes-a ベンチマークを用いた OMEGA-Out-of-distriion Math Problems Evaluation を提案する。
  論文  参考訳（メタデータ） (2025-06-23T17:51:40Z)
• LogicPuzzleRL: Cultivating Robust Mathematical Reasoning in LLMs via Reinforcement Learning [29.047063129464494]
  大規模言語モデル(LLM)は多くの教師付きタスクで優れるが、よくなじみのない設定で構造化された推論に悩まされる。 この矛盾は、標準的な微調整パイプラインが汎用的な思考戦略を育むのではなく、狭く、ドメイン固有のものを注入する可能性があることを示唆している。 本研究では,7つのカスタム論理パズルの組による強化学習を通じて,LLMを微調整する「学習のための遊び」フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-05T09:40:47Z)
• Mathematical Definition and Systematization of Puzzle Rules [0.0]
  本稿では,鉛筆パズルルールの定義と体系化のための数学的枠組みを提案する。 このフレームワークはグリッド要素、それらの位置関係、および反復合成操作を形式化する。 この枠組みを適用し,Slitherlink や Sudoku など,よく知られた Nikoli パズルのルールを定式化した。
  論文  参考訳（メタデータ） (2024-12-18T02:00:53Z)
• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  カリキュラムベースの論理認識型チューニングフレームワークであるLACTを提案する。 具体的には、任意の一階論理クエリをバイナリツリー分解によって拡張する。 広く使われているデータセットに対する実験では、LATは高度な手法よりも大幅に改善(平均+5.5% MRRスコア)し、新しい最先端技術を実現している。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• A Neural Rewriting System to Solve Algorithmic Problems [47.129504708849446]
  ネストされた数学的公式を解くための一般的な手順を学習するために設計されたモジュラーアーキテクチャを提案する。 シンボリック人工知能の古典的なフレームワークである書き換えシステムに触発され、アーキテクチャには3つの専門的で対話的なモジュールが含まれます。 我々は、系統的な一般化に特化した最近のモデルであるNeural Data Routerと、先進的なプロンプト戦略で探索された最先端の大規模言語モデル(GPT-4)とを比較した。
  論文  参考訳（メタデータ） (2024-02-27T10:57:07Z)
• Generalization in Text-based Games via Hierarchical Reinforcement Learning [42.70991837415775]
  本稿では,知識グラフに基づくRLエージェントを基盤とした階層型フレームワークを提案する。 高いレベルでは、メタポリシーが実行され、ゲーム全体をテキストゴールによって指定されたサブタスクのセットに分解する。 低レベルにおいては、目標条件付き強化学習を行うためにサブ政治が実行される。
  論文  参考訳（メタデータ） (2021-09-21T05:27:33Z)
• HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem Solving [104.79156980475686]
  人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。 エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。 このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
  論文  参考訳（メタデータ） (2021-02-22T20:37:01Z)
• Compositional Generalization by Learning Analytical Expressions [87.15737632096378]
  メモリ拡張ニューラルモデルは、合成一般化を達成するために解析式に接続される。 良く知られたベンチマークSCANの実験は、我々のモデルが構成的一般化の優れた能力をつかむことを示した。
  論文  参考訳（メタデータ） (2020-06-18T15:50:57Z)

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。