論文の概要: Reasoning Shortcuts and Value Symmetries: What Symmetry Permits, Architecture Realizes, and Optimization Selects
- arxiv url: http://arxiv.org/abs/2608.10420v1
- Date: Tue, 11 Aug 2026 03:10:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.886287
- Title: Reasoning Shortcuts and Value Symmetries: What Symmetry Permits, Architecture Realizes, and Optimization Selects
- Title（参考訳）: ショートカットとバリュー対称性の推論: シンメトリーは何を許容し、アーキテクチャは実現し、最適化は選択するか
- Abstract要約: 推論ショートカット(Reasoning shortcuts)は、意図しない概念を通じて正しい予測を生成するニューロシンボリックシステムの規則の解である。
竹村、井上、西野の最近のフレームワークは、値を許容する自己同型群を通してそれらを分析している。
まず, 評価した4つのベンチマークのどれにも記載されているように, フレームワークの主要な定義である共有置換が適用されないことを示す。
- 参考スコア（独自算出の注目度）: 10.012788934490084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reasoning shortcuts are solutions of a neurosymbolic system's rules that produce correct predictions through unintended concepts. A recent framework of Takemura, Inoue, and Nishino analyzes them through an automorphism group of value relabelings and asks, as its central open question, when rules pin concepts down. We first show that the framework's key definition, one shared permutation applied at every position, does not apply as stated to any of the four heterogeneous benchmarks it was evaluated on, and that the most direct embedding, padding domains to a common size, produces confident false pathology: 90.91% of solution pairs reported unexplained on CLE4EVR, where every well-defined member of the hierarchy we introduce reports 0%, and the padded verdict's content rotates with configuration-file ordering. Re-measuring eleven rule families under fifteen pre-specified predictions (thirteen confirmed), unexplained-pair rates span 0% to 99.9999% and track provable structure: six theorems give sufficient conditions for transitivity and its failure, including a Free Slot Lemma certifying Kandinsky's pathology from syntax alone. For circuit-given rules, deciding symmetry-inertness of a coordinate is coNP-complete; nontrivial-automorphism existence is coNP-hard under randomized reductions, lies in $Σ_2^p$, is not $Σ_2^p$-complete unless PH collapses, and on monotone circuits is coNP-complete outright. In the Boolean case transitivity is classified exactly: automorphisms explain everything iff the solution set is an affine coset. Weakly supervised models place all 94 observed shortcuts at the one level the componentwise theory flags and none at the 48 it certifies transitive; twelve typed-ambiguous levels produce none, separating what symmetry permits from what optimization selects, and a dual-head control replicates the geography. All numbers trace to released artifacts.
- Abstract（参考訳）: 推論ショートカット(Reasoning shortcuts)は、意図しない概念を通じて正しい予測を生成するニューロシンボリックシステムの規則の解である。
竹村、井上、西野の最近のフレームワークは、値を許容する自己同型群を通してそれらを分析し、ルールが概念をピンダウンさせるときの中心的なオープンな問題として問う。
まず、各位置に適用される共有置換式であるフレームワークのキー定義が、評価された4つの異種ベンチマークのどれにも適用されないことを示し、最も直接埋め込みされたドメインを共通のサイズにパディングすると、確実な偽の病理が生じることを証明した: 90.91%のソリューションペアがCLE4EVRで説明されていないと報告され、階層のすべての明確に定義されたメンバーがレポート0%を導入し、パッド付き検証のコンテンツは構成ファイル順序で回転する。
15の事前特定された予測(13の確認)の下で11のルールファミリを再測定し、説明されていないペアレートは0%から99.9999%の範囲で、証明可能な構造を追跡する:6つの定理は推移性とその失敗に十分な条件を与える。
回路ギヴンの規則では、座標の対称性不完全性を決定することはcoNP完全であり、非自明な自己同型の存在はランダム化還元の下でcoNPハードであり、PHが崩壊しない限り$Σ_2^p$でなく、単調回路はcoNP完全である。
ブールケースの推移性は、正確に分類される: 自己同型は、解集合がアフィンコセットであることを説明する。
弱い教師付きモデルでは、94個の観察されたショートカットを1つのレベルに配置し、そのコンポーネントワイズ理論のフラグと、それが推移的に証明する48個のレベルはなし、12個の型付きあいまいなレベルは、どの対称性がどの最適化を許容するかを区別し、デュアルヘッド制御は地理を再現する。
すべての数字は、リリースされたアーティファクトに遡る。
関連論文リスト
- Automorphism-Induced Non-Canonicity in Top-k Explanations of Graph Neural Networks [7.541234468065092]
2つの化学的に等価なニトロ基を持つ分子が与えられた勾配に基づくGNN説明器は、最後のビットと等しい帰属スコアを割り当てる。
しかし、標準報告であるトップkエッジは2つのうちの1つを名付け、一方は配列の順序で解決される。
これは実装スリップではなく構造的な障害であることを示す。
論文 参考訳（メタデータ） (2026-07-28T23:36:05Z) - Frame-Dependent Traces and the Third-Particle Paradox [45.88028371034407]
本稿では,第3粒子のパラドックスが量子基準トラクションの観点からサブシステム記述を比較する際に生じることを示す。
我々は、我々の条件がパラドックスの内容を捉えていると主張する:状態空間全体に一貫性を与えるのではなく、その状態が保持する状態を完全に再現する。
論文 参考訳（メタデータ） (2026-07-23T18:00:01Z) - Forgetting Is Not a Fix: Path Dependence in Sequential Engram Editing [35.76482964927589]
本研究では,概念固有のメモリトレースが1回,1回,1回を算術的に組み合わせて抽出できる線形オブジェクトとなるという仮説を検証した。
そのテストは、著者自身の参照実装に基づいて、報告された最高の編集強度で実行します。
アンラーニング・アズ・コンプライアンス:今日認定された消去は、次の編集後にアーティファクトを認定しない。
論文 参考訳（メタデータ） (2026-07-06T23:45:06Z) - A homotopy-type-theoretic generalization of neurosymbolic inference [46.36639624013224]
ニューロシンボリック(NeSy)システムは1つの機能を計算する:$$-structuresの空間上の論理量の信念重み付け和。
我々は、NeSy系のスクラッチからフレームワークを開発し、対称性が自明なときに古典関数を復元する保守性定理を証明し、我々のフレームワークが提示する対称性が、まさにショートカットの推論の背後にあるものであることを示す。
論文 参考訳（メタデータ） (2026-06-16T12:22:12Z) - Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。
この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。
重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
論文 参考訳（メタデータ） (2026-05-25T10:24:32Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Mechanized Foundations of Structural Governance: Machine-Checked Proofs for Governed Intelligence [0.0]
認知ワークフローシステムにおける構造ガバナンス理論の5つの結果を示す。
Coq 8.19の3つは、相互干渉木ライブラリーと機械化造幣を用いており、2つは明らかに還元された紙上で証明されている。
6番目のコントリビューションは、抽象モデルをデプロイされたランタイムに接続する。
論文 参考訳（メタデータ） (2026-04-30T01:03:15Z) - Exact Structural Abstraction and Tractability Limits [0.0]
正確な正確性は、誘導されたクラス $s sim_R simation' iff MathrmAdm_R(s)$ にのみ依存する。
決定、探索、近似、統計的、ランダム化された地平線、分布保証は全て同じ商-回復問題に還元される。
論文 参考訳（メタデータ） (2026-04-08T17:59:47Z) - The Attribution Impossibility: No Feature Ranking Is Faithful, Stable, and Complete Under Collinearity [0.0]
機能がコリニアである場合には,機能ランキングを忠実に,安定的に,かつ完全なものにすることはできない。
この不合理性を証明し、4つのモデルクラスを定量化し、アンサンブル平均化(DASH)によってそれを解決し、305のLean 4定理でそれをマシン検証する。
設計空間の定理、診断、そして不合理性はLean 4(16の公理から305の定理、残念なことに0の定理)で機械的に検証されます。
論文 参考訳（メタデータ） (2026-04-08T10:11:45Z) - DAGs with No Fears: A Closer Look at Continuous Optimization for
Learning Bayesian Networks [45.3591788771536]
我々はベイズネットワーク学習のためのNOTEARSという連続最適化フレームワークを再検討する。
本論文では,NOTEARSに対するKarush-Kuhn-Tucker最適条件は,自明な場合を除いて満足できないことを示す。
ローカル検索の組み合わせは、元のNOTEARSよりも正確かつ効率的である。
論文 参考訳（メタデータ） (2020-10-18T22:59:37Z)
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。