論文の概要: Policy-as-logic for robust reasoning over rules

• arxiv url: http://arxiv.org/abs/2608.11905v1
• Date: Wed, 12 Aug 2026 10:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.556369
• Title: Policy-as-logic for robust reasoning over rules
• Title（参考訳）: ルールに対する堅牢な推論のためのポリシー・アズ・ロジック
• Abstract要約: 生成AIシステムの多くの実践的応用において、自然言語クエリに対する応答は、記述されたポリシーやルールを尊重しなければならない。 形式論理と推論時間でポリシーを表現するハイブリッドシンボリックアプローチを提案する。 トークン使用率を10倍に抑えた場合,この抽出と推論の分離はポリシ・アズ・プロンプト法やポリシ・アズ・コード法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 10.861189637998168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many practical applications of generative AI systems, from tax rules to airline baggage allowance, responses to natural language queries must respect written policies or rules. We present a hybrid symbolic approach that expresses policies in formal logic and at inference time exploits the representation power of language models for fact extraction to ground predicates, and an answer set solver for reasoning such that responses are interpretable, auditable, and as we show, accurate and robust under input perturbations. Specifically, we show this separation of extraction and reasoning steps outperforms policy-as-prompt and policy-as-code methods in most cases with ~10x reduction in token usage. The results point to the value of structured reasoning and symbolic solvers in conjunction with generative models to make robust decisions involving objective criteria.
• Abstract（参考訳）: 税制から航空会社の荷物手当に至るまで、生成AIシステムの多くの実践的応用において、自然言語クエリに対する応答は、記述されたポリシーや規則を尊重しなければならない。 本稿では,形式論理におけるポリシーを表現し,推論時に,事実抽出から接地述語への言語モデルの表現力を利用するハイブリッドシンボリックアプローチと,応答が解釈可能で監査可能であり,入力摂動下での正確で堅牢な解法を提案する。 具体的には,この抽出と推論の分離が,トークン使用率を約10倍に減らした場合において,ポリシ・アズ・プロンプト法とポリシ・アズ・コード法より優れていることを示す。 その結果, 客観的基準を含むロバストな意思決定を行うため, 構成的推論と記号的解法の価値が示唆された。

関連論文リスト

• Large Discrete Policy: Advancing Explicit Behavior Modeling with Stochastic Iterative Scoring [77.17706435067372]
  大規模ポリシー(LDiP)は、物理的に妥当な候補の大きな語彙から行動を選択する、完全に独立した行動モデリングフレームワークである。 摂動作用ではなく、LDiPは反復的なスコアリングによって表現性を向上する。 エンド・ツー・エンドの計画、クローズドループ・ドライブ、ロボット操作、ビジョン・ランゲージ・アクション・セッティングを通じて、LDiPは強い離散的かつ連続的なベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-09-07T05:12:52Z)
• DeonticBench: A Benchmark for Reasoning over Rules [52.69517904415795]
  DEONTICBENCHは、アメリカ合衆国連邦政府の税、航空会社の荷物政策、移民管理、および合衆国の住宅法に関する6,232のタスクのベンチマークである。 これは、実世界のドメインにおいて、象徴的および非象徴的な設定の下でコンテキスト基底ルール推論を研究するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-04-06T05:41:02Z)
• Beyond Token-Level Policy Gradients for Complex Reasoning with Large Language Models [49.65762241649762]
  本稿では,K連続トークン列を統一的な意味行動として扱うフレームワークを提案する。 数学的推論と符号化ベンチマークの実験により、MPOは標準的なトークンレベルのポリシー勾配ベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-02-16T01:28:38Z)
• KBQA-R1: Reinforcing Large Language Models for Knowledge Base Question Answering [64.62317305868264]
  テキスト模倣から強化学習によるインタラクション最適化へパラダイムをシフトするフレームワークである textbfKBQA-R1 を提案する。 KBQAを多ターン決定プロセスとして扱うことで,行動のリストを用いて知識ベースをナビゲートすることを学ぶ。 WebQSP、GrailQA、GraphQuestionsの実験では、KBQA-R1が最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-10T17:45:42Z)
• Explainable Rule Application via Structured Prompting: A Neural-Symbolic Approach [0.0]
  大規模言語モデル(LLM)は複雑な推論タスクでは優れているが、一貫性のあるルールアプリケーション、例外処理、説明可能性に苦慮している。 本稿では、推論を3つの検証可能なステップ(エンティティ識別、プロパティ抽出、シンボリックルール適用)に分解する構造化プロンプトフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-19T14:14:01Z)
• Improve Rule Retrieval and Reasoning with Self-Induction and Relevance ReEstimate [11.890202757543307]
  本稿では,ルール検索の課題を体系的に解決する。 スパースや密集したレトリバーを用いて関連するルールを直接検索するバニラ検索法は、しばしば低い精度に悩まされる。 本稿では,Large Language Models (LLMs) を用いて潜在的な推論規則を導出する新しい手法であるSelf-Induction Augmented Retrieval (SIAR)を提案する。
  論文  参考訳（メタデータ） (2025-05-16T05:22:42Z)
• Instantiation-based Formalization of Logical Reasoning Tasks using Language Models and Logical Solvers [4.897782942277061]
  本稿では,SSV(Semantic Self-Verification)を導入し,自然言語から解法の形式言語への推論問題を正確に定式化する手法を提案する。 SSVは一貫性に基づくアプローチを用いて、モデルによって生成され、解決者によって検証される具体的なインスタンス化を用いて、問題の強力な抽象的な形式化を生成する。 このような*ほぼ確実な推論*は、多くの場合、手動検証の必要性を減らすための新しいアプローチとして提案され、より信頼性が高く自律的なAI推論システムに近づきます。
  論文  参考訳（メタデータ） (2025-01-28T14:04:49Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• Chain of Logic: Rule-Based Reasoning with Large Language Models [10.017812995997753]
  ルールベースの推論は、一連の事実にルールを正確に適用することで、結論を引き出すことができます。 そこで本研究では, 論理の連鎖という, 論理の分解と再構成を通じて規則に基づく推論を導く新しいプロンプト手法を提案する。 我々は、LegalBenchベンチマークから3つの異なる構成規則を含む8つのルールベースの推論タスクにおける論理の連鎖を評価する。
  論文  参考訳（メタデータ） (2024-02-16T01:54:43Z)
• An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
  このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。 応用例としては、メタ理論的性質の形式的解析と検証がある。
  論文  参考訳（メタデータ） (2023-12-08T09:32:26Z)
• A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
  Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。 提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
  論文  参考訳（メタデータ） (2023-10-18T20:18:05Z)

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。