論文の概要: Answer Set Programming Energised! End-to-End Neurosymbolic Reasoning and Learning with ASP and Energy Based Models

• arxiv url: http://arxiv.org/abs/2607.08136v1
• Date: Thu, 09 Jul 2026 06:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.423425
• Title: Answer Set Programming Energised! End-to-End Neurosymbolic Reasoning and Learning with ASP and Energy Based Models
• Title（参考訳）: 終端から終端までのニューロシンボリック推論とASPとエネルギーモデルによる学習
• Abstract要約: 本稿では,エネルギーベースモデル基板を用いた解集合プログラミングのモジュール統合に基づく,一般的なニューロシンボリック推論と学習手法を提案する。 主な貢献は、(1)背景知識、制約、非単調推論を完全に組み込んだ明示的なASPベースの宣言的意味論を通じて、連続潜伏空間における共同最適化を支援すること、(2)解集合、確率論理、解集合変調理論のインターフェースにおける最近の研究の進展である。
• 参考スコア（独自算出の注目度）: 2.258835270146628
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a general neurosymbolic reasoning and learning methodology based on a modular integration of answer set programming with an energy based model substrate. Key contributions are: (1) supporting joint optimisation in the continuous latent space through explicit ASP-based declarative semantics fully incorporating background knowledge, constraints, non-monotonic inference; and (2) advancing recent works at the interface of answer sets, probabilistic logic, and answer set modulo theories by providing a generalised model and practical platform for ASP-centric robust, end-to-end training for applications in dynamic domains (e.g., involving perception and interaction). We provide a practical implementation, and demonstrate basic use and application (with MNIST), and evaluate with the visual question-answering benchmark Clevr and the multi-object tracking benchmark MOT.
• Abstract（参考訳）: 本稿では,エネルギーベースモデル基板を用いた解集合プログラミングのモジュール統合に基づく,一般的なニューロシンボリック推論と学習手法を提案する。 主な貢献は、(1)背景知識、制約、非単調推論を完全に取り入れた明示的なASPベースの宣言的セマンティクスを通じて、連続潜伏空間における共同最適化を支援すること、(2)動的ドメイン(知覚と相互作用を含む)のアプリケーションに対するASP中心の堅牢でエンドツーエンドのトレーニングのための一般化されたモデルと実践的なプラットフォームを提供することにより、応答セット、確率論理、および解集合変調理論のインターフェースにおける最近の研究を進めることである。 本稿では,MNISTによる基礎的利用と応用を実証し,視覚的質問応答ベンチマークClevrと多目的追跡ベンチマークMOTを用いて評価する。

関連論文リスト

• Reward-Driven LLM Agent Workflows: Synthesizing POMDP Routing and Self-Correction for Autonomous Decision-Making [0.0]
  本稿では,長期計画,スパース報酬属性,動的環境相互作用など,現在の大規模言語モデル(LLM)エージェントアプリケーションにおける重要な技術的課題に対処する。 提案されたアーキテクチャは、ビジュアル、言語、生成、グラフ、マルチモーダル、強化、エージェントインテリジェンスという、コアAIパラダイムの合成に基づいている。 最終的に、得られたアーキテクチャは、複雑で多段階の自律システムで人工知能技術を開発するための実用的でスケーラブルな参照フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-07-19T02:51:41Z)
• Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems [75.78934957242403]
  自動運転車とドローンは、マルチモーダル搭載センサーデータから真の空間情報を必要とする。 本稿では,この目標に向かって進む中核的な技術群を同定し,マルチモーダル・プレトレーニングの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） (2025-12-30T17:58:01Z)
• Foundation Model for Skeleton-Based Human Action Understanding [56.89025287217221]
  本稿では,統一骨格に基づくDense Representation Learningフレームワークを提案する。 USDRLはトランスフォーマーベースのDense Spatio-Temporal (DSTE)、Multi-Grained Feature Deorrelation (MG-FD)、Multi-Perspective Consistency Training (MPCT)で構成されている。
  論文  参考訳（メタデータ） (2025-08-18T02:42:16Z)
• Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
  この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。 特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
  論文  参考訳（メタデータ） (2025-07-08T11:45:51Z)
• Integrating Neural and Symbolic Components in a Model of Pragmatic Question-Answering [9.043409663314419]
  本稿では確率論的認知モデルを強化するニューロシンボリックフレームワークを提案する。 認知モデルにニューラルモジュールを組み込むための様々なアプローチについて検討する。 ハイブリッドモデルは、人間の回答パターンを予測する際に、従来の確率モデルの性能と一致したり、超えたりすることができる。
  論文  参考訳（メタデータ） (2025-06-02T09:34:37Z)
• KORGym: A Dynamic Game Platform for LLM Reasoning Evaluation [78.96590724864606]
  我々はKOR-BenchとGymnasiumに触発された動的評価プラットフォームであるKORGym(Knowledge Orthogonal Reasoning Gymnasium)を紹介する。 KORGymはテキストまたはビジュアル形式で50以上のゲームを提供し、強化学習シナリオによるインタラクティブでマルチターンアセスメントをサポートする。
  論文  参考訳（メタデータ） (2025-05-20T16:06:32Z)
• A Concept-Centric Approach to Multi-Modality Learning [3.828996378105142]
  我々は、より効率的なAIシステムを構築するために、新しいマルチモーダリティ学習フレームワークを導入する。 我々のフレームワークは、より効率的な学習曲線を示しながら、ベンチマークモデルと同等に達成する。
  論文  参考訳（メタデータ） (2024-12-18T13:40:21Z)
• A Large-Scale Evaluation of Speech Foundation Models [110.95827399522204]
  音声処理ユニバーサルパフォーマンスベンチマーク(SUPERB)を構築し,基礎モデルパラダイムの有効性について検討する。 凍結基盤モデルを用いてSUPERBにおける音声処理タスクに対処する統合マルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-15T00:03:16Z)
• Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
  大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。 本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。 我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-09T07:45:26Z)

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。