論文の概要: Pairwise Logical Selection of Enthymeme Completions under Semantic-Link Uncertainty
- arxiv url: http://arxiv.org/abs/2608.18820v1
- Date: Wed, 19 Aug 2026 11:21:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.383209
- Title: Pairwise Logical Selection of Enthymeme Completions under Semantic-Link Uncertainty
- Title（参考訳）: セマンティックリンク不確実性下におけるエンサイメムの最適論理的選択
- Abstract要約: 我々は、事前のニューロシンボリックパイプラインを、欠落前提から欠落条件選択まで拡張する。
次にPWAL(Possible-World Atom-Link Formalization)を導入する。
トップリンクとは対照的に、PWALは厳密な精度を2.95-30.86ポイント、タイレートを4.57-58.00ポイント削減している。
- 参考スコア（独自算出の注目度）: 1.0804061924593265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Arguments often omit premises or claims, forming enthymemes. We study pairwise logical selection between two candidates for the omitted component. Existing natural language methods can identify or generate candidates but often do not expose how the selected candidate completes the inference, while logic-based approaches usually assume that the required formulae and background knowledge are available. We extend a prior neuro-symbolic pipeline from missing-premise to missing-claim selection and replace binary entailment outcomes with logical-resistance scores. Top-Link uses weighted Partial MaxSAT under a single configuration of highest-confidence semantic links. We then introduce Possible-World Atom-Link Formalization (PWAL), which keeps translated formulae fixed and marginalizes logical resistance over alternative cross-formula semantic-link configurations. We evaluate PWAL on five tasks: ARCT and a CDED-derived task for missing-premise selection, iDebate- and AAE2-derived tasks for missing-claim selection, and alphaNLI for abductive hypothesis selection. Relative to Top-Link, PWAL raises strict accuracy by 2.95-30.86 percentage points and reduces tie rates by 4.57-58.00 percentage points on all five tasks. When ties receive half credit, accuracy still increases by 0.45-6.04 percentage points. PWAL also records the translated formulae, sampled link configurations, and resistance components for every comparison, providing a transparent trace of each score.
- Abstract（参考訳）: 論証は、しばしば前提や主張を省略し、エントロメムを形成する。
省略成分に対する2つの候補間のペアワイズ論理的選択について検討した。
既存の自然言語メソッドは候補を特定したり生成したりできるが、選択された候補がどのように推論を完了するかは公開しないことが多い。
我々は,従来のニューロシンボリックパイプラインを,欠落前提から欠落条件の選択に拡張し,二項関係の結果を論理抵抗スコアに置き換える。
Top-Linkは、最も信頼度の高いセマンティックリンクの単一構成の下で、重み付けされたPartial MaxSATを使用する。
次にPWAL(Possible-World Atom-Link Formalization)を導入する。
我々は,ARCTとCDEDから選択するタスク,iDebateとAAE2から選択するタスク,帰納的仮説選択のためのαNLIの5つのタスクについてPWALを評価する。
トップリンクとは対照的に、PWALは厳密な精度を2.95-30.86ポイント、タイレートを4.57-58.00ポイント削減している。
ネクタイが半分のクレジットを受けると、精度は0.45-6.04ポイント上昇する。
PWALはまた、翻訳された公式、サンプル化されたリンク構成、抵抗成分を比較ごとに記録し、各スコアの透明なトレースを提供する。
関連論文リスト
- PAIR: Pairwise-Aware Inclusion Reweighting for Adaptive Rollout Allocation in RLVR [0.0]
検証可能な報酬を伴う強化学習は、長い推論軌道の計算生成グループの大部分に費やしている。
最近のアロケータは、難易度やユーティリティのポイントワイズな概念に従って、プロンプト、ロールアウト、トークンに予算を割り当てることで、このコストを削減している。
グループ相対スコア勾配は、独立点寄与の総和ではなく、ロールアウト対に対する2次統計値である。
論文 参考訳（メタデータ） (2026-08-11T19:24:59Z) - Interventional Grounding Audits: Black-Box Premise-Dependency Tests for LLM Chain-of-Thought via Predicate Substitution [0.0]
大規模言語モデルは、論理的に健全に見えるが、実際にはその前提に依存しないチェーン・オブ・シント(CoT)推論を生成する。
インベンショナル・グラウンディング・監査,ブラックボックス,ステップレベルの前提依存性テストを導入する。
すべての監査証明書、生のアウトプット、再生スクリプトは、パブリックGitHubリポジトリで利用できる。
論文 参考訳（メタデータ） (2026-07-11T01:32:22Z) - TRACE: Temporal Rule-Anchored Chain-of-Evidence on Knowledge Graphs for Interpretable Stock Movement Prediction [23.985633276560844]
本稿では,ストックムーブメント予測のための知識グラフに時間的ルールアンコレート・チェーン・オブ・エビデンス(TRACE)を提示する。
S&P500ベンチマークでは、55.1%の精度、55.7%の精度、71.5%のリコール、60.8%のF1が達成されている。
利得は、(i)任意の歩行よりも経済的に意味のあるモチーフを探索することに焦点を当てたルール誘導探索と、(ii)高信頼で完全に根拠のある仮説を集約するテキスト接地統合に起因している。
論文 参考訳（メタデータ） (2026-03-12T22:41:53Z) - ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。
我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
論文 参考訳（メタデータ） (2026-02-27T05:22:01Z) - VERGE: Formal Refinement and Guidance Engine for Verifiable LLM Reasoning [4.3414302048068745]
本稿では,大規模言語モデルとSMTソルバを組み合わせたニューロシンボリック・フレームワークを提案する。
本稿では,(1)形式的意味的等価性チェックによるマルチモデルコンセンサス,(2)適切な検証戦略に異なるクレーム型を指示するセマンティックルーティング,(3)最小補正サブセットによる正確な論理的エラーローカライゼーション,の3点を紹介する。
GPT-OSS-120Bモデルでは、VERGEはシングルパスアプローチと比較して、一連の推論ベンチマークにおいて平均18.7%の性能向上を示す。
論文 参考訳（メタデータ） (2026-01-27T20:59:11Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Latent Veracity Inference for Identifying Errors in Stepwise Reasoning [78.29317733206643]
本稿では、精度割当てに対する離散探索アルゴリズムであるVeracity Search(VS)を紹介する。
その他の方法では、後続の精度値よりも後続の分布において難解な推論を行う。
VSを一般化し、新しいコンテキストで正確なゼロショットの精度推論を可能にする。
論文 参考訳（メタデータ） (2025-05-17T04:16:36Z) - Thought-Path Contrastive Learning via Premise-Oriented Data Augmentation for Logical Reading Comprehension [9.67774998354062]
これまでの研究は主に、Chain-of-Thought(CoT)やデータ拡張による論理的推論能力の向上に重点を置いてきた。
本稿では,CoTの論理式を生成するためのPODA(Premise-Oriented Data Augmentation)フレームワークを提案する。
また,本論文では,原案と反実例の推論経路を比較検討する新たな思考経路コントラスト学習手法についても紹介する。
論文 参考訳（メタデータ） (2024-09-22T15:44:43Z) - LINC: A Neurosymbolic Approach for Logical Reasoning by Combining
Language Models with First-Order Logic Provers [60.009969929857704]
論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。
本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。
我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
論文 参考訳（メタデータ） (2023-10-23T17:58:40Z) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z) - Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive
Person Re-Identification [54.174146346387204]
ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。
擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。
本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
論文 参考訳（メタデータ） (2021-12-28T07:40:12Z)
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。