論文の概要: SoftReason: A Fully Differentiable Neuro-Soft-Symbolic Deductive Reasoning Architecture over High-Dimensional Perceptual Data
- arxiv url: http://arxiv.org/abs/2607.20402v1
- Date: Wed, 22 Jul 2026 17:38:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.169809
- Title: SoftReason: A Fully Differentiable Neuro-Soft-Symbolic Deductive Reasoning Architecture over High-Dimensional Perceptual Data
- Title（参考訳）: SoftReason: 高次元知覚データを用いた完全微分可能な神経ソフト・シンボリック推論アーキテクチャ
- Abstract要約: 本稿では,潜伏した知覚事実と知識提供述語に対する識別可能な帰納的推論のためのニューロソフト・シンボリック・アーキテクチャを提案する。
私たちの中心となるイノベーションは、即時連続演算子の学習可能なリフトです。
- 参考スコア（独自算出の注目度）: 13.507142458358333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many reasoning problems, the premises are not observed as discrete symbols, but must be inferred from high-dimensional inputs. Further, the predicate vocabulary, argument structure, and trusted evidence are supplied by a Knowledge Graph (KG), or rule definitions. Classical neuro-symbolic pipelines have a discrete interface between perception and deduction. We present a neuro-soft-symbolic architecture for differentiable deductive reasoning over latent perceptual facts and knowledge-provided predicates. SoftReason removes the gradient gap by representing the deductive state as a local soft interpretation tensor over candidate constants and predicates. Perception proposes probabilistic base facts, KG triples enter as high-confidence soft evidence, and every query anchor, predicate choice, and closure update remains differentiable. Our core innovation is a learned differentiable lift of the immediate-consequence operator. It uses predicate-definition embeddings and latent composition channels to form soft body-predicate mixtures, aggregate over all possible witnesses, propose query-conditioned head facts, and update the interpretation through a monotone probabilistic OR. We instantiate the framework on Knowledge-aware Visual Question Answering (KVQA), and demonstrates how SoftReason supports end-to-end perceptual grounding, KG evidence injection, and differentiable deductive closure in one trainable architecture.
- Abstract（参考訳）: 多くの推論問題において、前提は離散的なシンボルとして観測されるのではなく、高次元の入力から推論されなければならない。
さらに、述語語彙、議論構造、信頼された証拠は、知識グラフ(KG)またはルール定義によって提供される。
古典的なニューロシンボリックパイプラインは、知覚と推論の間に独立したインターフェースを持つ。
本稿では,潜伏した知覚事実と知識提供述語に対する識別可能な帰納的推論のためのニューロソフト・シンボリック・アーキテクチャを提案する。
SoftReasonは、導出状態を候補定数と述語に対する局所的なソフト解釈テンソルとして表現することで勾配ギャップを除去する。
パーセプションは確率的ベース事実を提案し、KGトリプルは高信頼のソフトエビデンスとなり、全てのクエリアンカー、述語選択、クロージャ更新は相変わらず異なるままである。
私たちの中心となるイノベーションは、即時連続演算子の学習可能なリフトです。
述語定義の埋め込みと潜時合成チャネルを使用して、軟体述語混合を形成し、あらゆる可能性のある目撃者を集約し、クエリ条件付き頭部事実を提案し、モノトーン確率ORを通して解釈を更新する。
我々は、知識を意識した視覚質問回答(KVQA)のフレームワークをインスタンス化し、SoftReasonがエンド・ツー・エンドの知覚的グラウンド、KGエビデンス・インジェクション、そして1つのトレーニング可能なアーキテクチャにおける微分的クロージャをどのようにサポートするかを示す。
関連論文リスト
- Provenance-Enhanced Statements in Knowledge Graphs [0.08594140167290097]
X$, $varphi$" という形の証明付きステートメントは、現代の知識グラフにおいて広く普及している。
現在の証明モデルは、誰が何を主張したかを記録することができるが、通常、証明は意味的に中立であるとして扱う。
先天的な姿勢の指標として述語を解釈するフレームワークであるDECを導入し,認知の世界に先天的・同質な言明の集合を紹介する。
論文 参考訳（メタデータ） (2026-06-13T11:01:50Z) - Modal Logical Neural Networks [0.15229257192293197]
本稿では、ディープラーニングとモーダル論理の形式的意味論を統合するニューロシンボリック・フレームワークである、モーダル論理ニューラルネットワーク(MLNN)を提案する。
本稿では,アクセシビリティの強化や学習が,基礎となるタスクアーキテクチャを変更することなく,論理的一貫性と解釈可能性を高める方法を示す。
論文 参考訳（メタデータ） (2025-12-03T06:38:29Z) - Unifying Deductive and Abductive Reasoning in Knowledge Graphs with Masked Diffusion Model [64.31242163019242]
帰納的推論と帰納的推論は知識グラフを解析するための重要なパラダイムである。
DARKと呼ばれる知識グラフにおける帰納的・帰納的推論のための統一的なフレームワークを提案する。
DARKは, 帰納的推論タスクと帰納的推論タスクの両方において, 最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-10-13T14:34:57Z) - Counterfactual reasoning: an analysis of in-context emergence [57.118735341305786]
我々は、言語モデルが反実的推論が可能なことを示す。
自己注意、モデル深度、トレーニング済みデータの多様性によってパフォーマンスが向上することがわかった。
以上の結果から, SDE 動態下での反実的推論が可能となった。
論文 参考訳（メタデータ） (2025-06-05T16:02:07Z) - On the Fundamental Impossibility of Hallucination Control in Large Language Models [0.0]
不合理性理論:非自明な知識集約を行うLLMは、真理的な知識表現、意味情報保存、関連する知識の啓示を同時に達成できない。
提案手法は,アイデアのオークションとして推論をモデル化し,分散コンポーネントが符号化された知識を用いて応答に影響を与えることを証明している。
幻覚と想像力は数学的に同一であり、どちらも4つの重要な性質のうちの少なくとも1つに反する。
論文 参考訳（メタデータ） (2025-06-04T23:28:39Z) - A Differentiable Integer Linear Programming Solver for Explanation-Based Natural Language Inference [17.467900115986158]
我々は、説明に基づく自然言語推論(NLI)のためのニューロシンボリックアーキテクチャであるDiff-Comb Explainerを紹介する。
Diff-Comb Explainerは、意味的制約の連続的な緩和を必要とせず、直接的でより正確で効率的な神経表現をILPの定式化に組み込むことができる。
Diff-Comb Explainer は従来の ILP ソルバ, ニューロシンボリックブラックボックスソルバ, トランスフォーマーベースのエンコーダと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-04-03T10:29:06Z) - Rate-Distortion-Perception Theory for Semantic Communication [73.04341519955223]
シンボル歪みおよび意味知覚制約下での意味コミュニケーションの達成可能なデータレートについて検討する。
我々は、受信者が特定の歪みや知覚の制約を満たす意味情報ソースを直接推測できるケースが存在することを観察する。
論文 参考訳（メタデータ） (2023-12-09T02:04:32Z) - Logical Satisfiability of Counterfactuals for Faithful Explanations in
NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。
これは、説明に表される論理述語に基づいて、反実仮説を生成する。
そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文 参考訳（メタデータ） (2022-05-25T03:40:59Z) - Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。
モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。
ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文 参考訳（メタデータ） (2021-10-12T23:22:45Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z)
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。