論文の概要: Euclid-MCP: A Model Context Protocol Server for Deterministic Logical Reasoning via Prolog
- arxiv url: http://arxiv.org/abs/2607.21412v1
- Date: Thu, 23 Jul 2026 15:15:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.452654
- Title: Euclid-MCP: A Model Context Protocol Server for Deterministic Logical Reasoning via Prolog
- Title（参考訳）: Euclid-MCP: Prologによる決定論的論理推論のためのモデルコンテキストプロトコルサーバ
- Abstract要約: Euclid-MCPはオープンソースのサーバで、SWI-Prologを介して決定論的論理推論を提供する。
サーバは、Translate-run-inspectループをサポートするコンパクトなツールインターフェースを公開し、LLMクライアントが推論をデリゲートできる。
セマンティックRAGは基本的にルール適用に不適であり、Euclid-MCPは安定な共用推論基質として機能する可能性があると論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) excel at natural language understanding and generation but remain unreliable for multi-step logical reasoning, especially in safety-critical or compliance-sensitive domains. Recent neuro-symbolic approaches address this gap by coupling neural models with external symbolic engines, yet most integrations are bespoke and lack a standardized interface for tool-augmented agents. This paper presents Euclid-MCP, an open-source MCP server that provides deterministic logical reasoning via SWI-Prolog. Euclid-MCP introduces Euclid-IR, an engine-agnostic intermediate representation for Horn-clause logic that is human-readable, easy for LLMs to generate, and straightforward to compile into Prolog or alternative backends. The server exposes a compact tool interface that supports a translate-run-inspect-repair loop, enabling LLM clients to delegate inference while retaining full access to proof traces and derivation logs. We evaluate Euclid-MCP on a realistic IT security and compliance use case. Results show that while LLMs alone are sufficient on small knowledge bases, they hallucinate systematically on larger problems, whereas Euclid-MCP delivers exact answers with lower latency and more compact outputs. We argue that semantic RAG is fundamentally unsuited for rule enforcement, and that Euclid-MCP can serve as a stable, shared reasoning substrate for both RAG-based assistants and agentic systems.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、自然言語の理解と生成に優れるが、特に安全クリティカルまたはコンプライアンスに敏感な領域において、多段階の論理的推論には信頼できない。
最近のニューロシンボリックアプローチは、ニューラルモデルと外部のシンボリックエンジンを結合することでこのギャップに対処しているが、ほとんどの統合は目覚ましいものであり、ツール強化されたエージェントの標準化されたインターフェースが欠如している。
本稿では,SWI-Prologを介して決定論的論理推論を行うオープンソースMPPサーバであるEuclid-MCPを提案する。
Euclid-MCPは、Hhorn-clauseロジックのエンジンに依存しない中間表現であるEuclid-IRを導入している。
サーバは、Translate-run-inspect-repairループをサポートするコンパクトなツールインターフェースを公開することで、LLMクライアントは、証明トレースや派生ログへの完全なアクセスを維持しながら、推論をデリゲートすることができる。
我々はEuclid-MCPを現実的なITセキュリティとコンプライアンスのユースケースで評価する。
以上の結果から,LLMだけでは小さな知識ベースで十分であるが,より大規模な問題に対して系統的に幻覚を与えるのに対し,Euclid-MCPはより低いレイテンシとよりコンパクトな出力で正確な答えを与えることがわかった。
セマンティックRAGは基本的にルール適用に不適であり、Euclid-MCPはRAGベースのアシスタントとエージェントシステムの両方の安定的で共有的な推論基盤として機能する、と我々は主張する。
関連論文リスト
- The Imitation Game: When LLMs Learn to Reason Like Programs via Code-Centric Reasoning Data Synthesis [50.473217152006875]
MIMICは、データ合成を推論するための厳密な媒体として実行可能なコードを活用するフレームワークである。
MIMICは、ナラティブ融合、コード誘導テスト合成、動的コードインスツルメンテーションを通じて、アルゴリズムを検証可能な推論軌道に変換する。
提案手法は, 一般的な推論, 複雑な数学的ベンチマーク, きめ細かい決定論的タスクにおいて, 精度を著しく向上させる。
論文 参考訳（メタデータ） (2026-09-13T17:04:16Z) - When LLMs Develop Languages: Symbolic Communication for Efficient Multi-Agent Reasoning [85.36421257648294]
CoT(Chain-of-Thought)は、難しい推論タスクにおいて、大きな言語モデル(LLM)を改善する。
コミュニケーション言語シンボリズムルーティング(R)を提案する。
Rは、それぞれの言語シンボルフレームワークを、コンパクトなシンボル、使用規則、メッセージパス契約を備えた再利用可能なシンボルプロトコルとして扱います。
Rは、標準のCoTと比較してレイテンシ指向のトークンの補完を$3sim 6times$に削減する。
論文 参考訳（メタデータ） (2026-06-28T12:02:42Z) - PrologMCP: A Standardized Prolog Tool Interface for LLM Agents [4.416593559466468]
タスクに依存しないオープンソースのサーバであるPrologMCPを導入し、モデルコンテキストプロトコル(MCP)を通じてPrologをステートフルなツールとして公開する。
我々は,PrologMCPで強化されたホルマタイザー剤を標準および推論LDMに対して評価した。
論文 参考訳（メタデータ） (2026-06-12T20:14:51Z) - PRIMA: Operational Patterns for Resilient Multi-Agent Research with Verifiable Identity and Convergent Feedback [0.0]
PRIMAは、複数時間にわたる協調型マルチエージェント研究システムとして運用されている。
主なコントリビューションは、生存可能な障害モードのための3つの運用パターンである。
グラフ同型ケーススタディは、生成されたアーティファクトのアーキテクチャ的クレームを根拠にしている。
論文 参考訳（メタデータ） (2026-05-23T23:27:46Z) - PLUME: Latent Reasoning Based Universal Multimodal Embedding [52.35354073629127]
ユニバーサルマルチモーダル埋め込み(UME)は、異種入力を単一のモデルで共有検索空間にマッピングする。
最近のアプローチでは、埋め込みを抽出する前に明確なチェーン・オブ・シント(CoT)論理を生成することにより、UMEを改善している。
PLUMEは,言語化されたCoTを連続的潜伏状態の短時間の自己回帰ロールアウトに置き換えることで,UMEを進化させる潜在的推論フレームワークである。
論文 参考訳（メタデータ） (2026-04-02T14:04:53Z) - LaSER: Internalizing Explicit Reasoning into Latent Space for Dense Retrieval [74.72139580745511]
LaSERは、レトリバーの潜在空間に明示的な推論を内部化する、新しい自己蒸留フレームワークである。
提案手法は, 明示的なCoTパイプラインの推論深度と, 標準的な高密度検索器の推論効率をうまく組み合わせる。
論文 参考訳（メタデータ） (2026-03-02T04:11:18Z) - Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。
その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。
本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
論文 参考訳（メタデータ） (2025-08-28T13:00:28Z) - Do LLMs Dream of Discrete Algorithms? [0.7646713951724011]
大規模言語モデル(LLM)は、人工知能の風景を急速に変化させてきた。
確率的推論への依存は、厳密な論理的推論を必要とする領域における有効性を制限する。
本稿では,論理ベースの推論モジュールでLLMを増強するニューロシンボリックアプローチを提案する。
論文 参考訳（メタデータ） (2025-06-29T22:03:01Z) - Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。
既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。
単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
論文 参考訳（メタデータ） (2025-05-28T14:03:02Z) - Computational Reasoning of Large Language Models [51.629694188014064]
textbfTuring Machine Benchは,Large Language Models(LLM)による推論プロセスの実行能力を評価するベンチマークである。
TMBenchには、自己完結型および知識に依存しない推論、最小主義的な多段階構造、制御可能な難易度、チューリングマシンに基づく理論的基礎の4つの重要な特徴が組み込まれている。
論文 参考訳（メタデータ） (2025-04-29T13:52:47Z) - SymRTLO: Enhancing RTL Code Optimization with LLMs and Neuron-Inspired Symbolic Reasoning [30.938876549335067]
本稿では,新しいニューロン-シンボリックRTL最適化フレームワークであるSymRTLOを提案する。
有限状態機械(FSM)論理の解析と最適化のための記号モジュールを提案する。
Synopsys Design Compiler と Yosys による RTL-Rewriter ベンチマークの実験では、SymRTLO は 43.9% と 62.5% と 51.1% に向上している。
論文 参考訳（メタデータ） (2025-04-14T16:15:55Z) - Reasoning-as-Logic-Units: Scaling Test-Time Reasoning in Large Language Models Through Logic Unit Alignment [21.12989936864145]
CoT(Chain-of-Thought)のプロンプトによって,大規模言語モデル(LLM)の推論能力の向上が期待できる。
本稿では、生成したプログラムと対応するNL記述との間に論理単位を整列させることにより、より信頼性の高い推論経路を構築するReasoning-as-Logic-Units (RaLU)を提案する。
論文 参考訳（メタデータ） (2025-02-05T08:23:18Z)
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。