論文の概要: Semantic Bayesian World Models

• arxiv url: http://arxiv.org/abs/2609.03834v1
• Date: Thu, 03 Sep 2026 13:35:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.089056
• Title: Semantic Bayesian World Models
• Title（参考訳）: セマンティックベイズ世界モデル
• Abstract要約: 我々は、世界を事実のデータベースではなく、知識グラフに対する信念の共有的で進化した布地として記述するWebを構想する。 我々は,RDF1.2上での信念アノテーション,確率的包含体制,セマンティック・キャリブレーション・レイヤ,そして一度も会ったことのないエージェントが交換し,それに反対するプロトコルなど,コミュニティがそれを可能にするために構築しなければならないものを定義した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graphs describe reality in crisp assertions, while the systems now consuming them, foundation models and autonomous agents, reason natively in probabilities. We argue that this mismatch is why the integration of language models and knowledge graphs remains a data-feeding pipeline rather than a unified reasoning architecture. We envision Semantic Bayesian World Models (SBWMs): a Web that describes the world not as a database of facts but as a shared, evolving fabric of beliefs over knowledge graphs, where ontological axioms constrain priors, observations update beliefs by Bayesian conditioning, and actions intervene upon the world. We work through what an agent gains from such a model: a home-security agent deciding whether the figure at the gate is a courier or a burglar, an actuarial estimate aggregated by entailment rather than by string frequency, a planning task that language models reliably fail, and the estimation of quantities that no document has ever stated. We then set out what the community must build to make them possible: belief annotation over RDF~1.2, probabilistic entailment regimes, semantic calibration layers, and protocols by which agents that have never met can exchange, and disagree over, calibrated beliefs.
• Abstract（参考訳）: 知識グラフは現実を鮮明な主張で表現するが、システムは現在それらを消費している。 このミスマッチは、言語モデルと知識グラフの統合が統一された推論アーキテクチャではなく、データ供給パイプラインのままである理由である、と我々は主張する。 セマンティック・ベイズ世界モデル(SBWMs: Semantic Bayesian World Models: SBWMs): 事実のデータベースではなく、知識グラフに対する信念の共有的で進化した布地として世界を記述するウェブ。 我々は, エージェントがそのようなモデルから得るものについて検討する: ゲートの図形がクーリエか泥棒かを決定するホームセキュリティエージェント, 文字列周波数ではなくエンタテリメントで集約されたアクチュエータ推定, 言語モデルが確実に失敗する計画タスク, 文書に記述されていない量の推定。 そこで我々は,RDF~1.2上の信念アノテーション,確率的包含体制,セマンティック・キャリブレーション・レイヤ,そして一度も会ったことのないエージェントが交換し,それに反対するプロトコルなど,コミュニティがそれを可能にするために構築すべきものを定義した。

関連論文リスト

• Vision: Data-Centric Anchoring for Robust and Interpretable Agentic AI [21.406298170489507]
  我々は、堅牢性と解釈可能性は、トレーニング後のモデルから抽出するのではなく、データ環境に組み込むべきだと論じている。 私たちの中心的な貢献は、Curate、Augment、Constrain、Attributeの4段階フレームワークであるData-Centric Agentic Loopです。 このフレームワークは4つのコア障害モードをデータライフサイクルにリンクする、障害駆動型分類に基盤を置いています。
  論文  参考訳（メタデータ） (2026-09-08T03:57:54Z)
• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• Toward AI That Understands Self and Others: A World-Model Theory of Cognitive Diversity and Alignment [0.6768558752130311]
  本稿は、すでに不一致は後期現象であると主張している。 中心的な前提は単純だが自明ではない。 本稿では,認知の多様性とアライメントに関する世界モデル理論を開発する。
  論文  参考訳（メタデータ） (2026-05-28T13:43:23Z)
• Gyan: An Explainable Neuro-Symbolic Language Model [0.5530256787204328]
  本稿では,新しい非トランスフォーマーアーキテクチャに基づく説明可能な言語モデルについて述べる。 Gyanは、広く引用されている3つのデータセットでのSOTAパフォーマンスと、2つのプロプライエタリなデータセットでの優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-06T11:06:30Z)
• Latent State Design for World Models under Sufficiency Constraints [5.448689795464901]
  世界モデルは、それが構築する状態を通してのみ、エージェントに重要となる。 本稿では,世界モデル研究を,十分制約下での潜在状態設計として扱う。
  論文  参考訳（メタデータ） (2026-05-03T03:19:42Z)
• CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model [1.6855257501750571]
  CUPID (Comprehensive Uncertainty Plug-in estImation moDel) は、ベースモデルの変更や再訓練なしに、動脈とてんかんの不確実性を共同で推定する汎用モジュールである。 CUPIDは分類,回帰,アウト・オブ・ディストリビューション検出など,様々なタスクで評価される。 その結果、CUPIDは、不確実性の起源に関する階層的な洞察を提供しながら、一貫して競争性能を提供することがわかった。
  論文  参考訳（メタデータ） (2026-03-11T13:18:10Z)
• Modeling Open-World Cognition as On-Demand Synthesis of Probabilistic Models [93.1043186636177]
  我々は、人々が分散表現と象徴表現の組み合わせを使って、新しい状況に合わせた見知らぬ精神モデルを構築するという仮説を探求する。 モデル合成アーキテクチャ」という概念の計算的実装を提案する。 我々は、新しい推論データセットに基づく人間の判断のモデルとして、MSAを評価した。
  論文  参考訳（メタデータ） (2025-07-16T18:01:03Z)
• Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
  Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。 本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-02-08T22:05:45Z)
• Pre-training and Diagnosing Knowledge Base Completion Models [58.07183284468881]
  我々は,事実の集合から他の集合への知識伝達へのアプローチを,エンティティや関係マッチングを必要とせずに導入し,分析する。 主な貢献は、構造化されていないテキストから収集された事実の大規模事前学習を利用する方法である。 得られた事前学習モデルをよりよく理解するために,オープン知識ベースコンプリートのための事前学習モデルの解析のための新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2024-01-27T15:20:43Z)
• Grounded Decoding: Guiding Text Generation with Grounded Models for Embodied Agents [111.15288256221764]
  グラウンデッドデコーディングプロジェクトは、両方のモデルの知識を活用することで、ロボット環境で複雑な長期タスクを解決することを目的としている。 我々はこれを確率的フィルタリングに類似した問題として、言語モデルの下で高い確率を持つシーケンスをデコードし、基底モデル対象のセットで高い確率を示す。 本研究では,3つのシミュレーション領域と実世界の領域にまたがって,そのような基底モデルがどのように得られるのかを実証し,両モデルの知識を活用して,ロボット環境での複雑な長期的タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-03-01T22:58:50Z)
• A General Framework for Distributed Inference with Uncertain Models [14.8884251609335]
  異種エージェントのネットワークを用いた分散分類の問題について検討する。 我々は、エージェントの不確実性を可能性に組み込む不確実性モデルの概念に基づいて構築する。
  論文  参考訳（メタデータ） (2020-11-20T22:17:12Z)
• Leap-Of-Thought: Teaching Pre-Trained Models to Systematically Reason Over Implicit Knowledge [96.92252296244233]
  大規模な事前学習言語モデル(LM)は推論能力を得るが、制御は困難である。 本研究では,暗黙的,事前学習された知識と明示的な自然言語文を併用して,体系的推論を確実に行うことができることを示す。 我々の研究は、シンプルな自然言語文を追加することで、モデルを簡単に修正できるユーザと対話することで、常に改善されるオープンドメインシステムへの道を開く。
  論文  参考訳（メタデータ） (2020-06-11T17:02:20Z)

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。