論文の概要: Learning to adapt GR(1) specifications through degradation

• arxiv url: http://arxiv.org/abs/2609.12231v1
• Date: Thu, 10 Sep 2026 21:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.551266
• Title: Learning to adapt GR(1) specifications through degradation
• Title（参考訳）: 分解によるGR(1)仕様の適合学習
• Abstract要約: リアクティブ合成は、正式な仕様から正しい構成のコントローラを生成する強力なツールである。 GR(1)は、効率的な合成を可能にする前提保証仕様フレームワークである。 本研究は, オラクル誘導誘導型帰納的合成に基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 1.2489632787815885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reactive synthesis is a powerful tool for generating correct-by-construction controllers from formal specifications. GR(1) is an assume-guarantee specification framework that enables efficient synthesis, allowing synthesised controllers to be used in a wide array of applications. The limitation of such controllers is that, should they encounter environment behaviour unspecified in the assumptions of the specification, the specified system guarantees are no longer ensured. Our work proposes an approach based on oracle-guided inductive synthesis to adapt the specification to be consistent with the observed assumption violation, while degrading system guarantees as little as possible to maintain realisability. Our methodology discovers multiple potential solutions, so we propose a preference criteria, based on the ability of the specification to enable robustness under adaptation. Although our approach is capable of degrading the entire specification, for our case studies we successfully discover degradations that preserve the entire set of original guarantees.
• Abstract（参考訳）: リアクティブ合成は、正式な仕様から正しい構成のコントローラを生成する強力なツールである。 GR(1)は仮定保証仕様フレームワークであり、効率的な合成を可能にする。 このようなコントローラの制限は、仕様の前提に明記されていない環境挙動に遭遇した場合、指定されたシステム保証がもはや保証されないことである。 本研究は, オラクル誘導型帰納的合成に基づく提案手法で, 提案した仮定違反に適合するように仕様を適合させる一方で, システム劣化により実現可能性の維持が図られる。 提案手法は,複数の潜在的な解を探索し,適応条件下での堅牢性を実現するための仕様の能力に基づく選好基準を提案する。 当社のアプローチでは仕様全体を分解することが可能ですが、ケーススタディでは、元の保証の集合全体を保存するための劣化の発見に成功しています。

関連論文リスト

• Specification-Guided Synthesis of Deadlock-Free Communication Protocol Refinements with Large Language Models [2.1311014724439845]
  シントロピー(英: Syntropy)は、MPST仕様とLLMによってガイドされたプロトコルの洗練を合成するためのフレームワークである。 改良制約を直接生成プロセスに組み込んで、生成された変種がこれらの保証を満たすことを保証する。 本評価は, 高い構文的正しさを維持しつつ, 95.6%-99.5%の妥当性を達成し, 多様な非自明な精細化を実現していることを示す。
  論文  参考訳（メタデータ） (2026-07-30T10:11:33Z)
• SpecAlign: Efficient Specification-Grounded Alignment of Large Language Models via Synthetic Data [46.83043333985018]
  我々は、プロバイダが承認したモデル仕様を主アライメントターゲットとして扱う新しいアライメントパラダイムである仕様基底アライメントを提案する。 仕様文書から直接アライメントデータを合成するフレームワークであるSpecAlignを紹介する。
  論文  参考訳（メタデータ） (2026-06-15T06:30:52Z)
• Adaptive GR(1) Specification Repair for Liveness-Preserving Shielding in Reinforcement Learning [46.90899478779653]
  シールドは強化学習(RL)の安全性を高めるために広く用いられている 我々は、ランク1(GR(1))仕様の一般化反応性に基づく、最初の適応シールドフレームワークを開発する。 本手法では,実行時に環境仮定違反を検出し,インダクティブ論理プログラミング(ILP)を用いてGR(1)仕様をオンラインに自動修正する。
  論文  参考訳（メタデータ） (2025-11-04T14:27:28Z)
• Modular and Adaptive Conformal Prediction for Sequential Models via Residual Decomposition [8.759857025553549]
  本稿では,2段階連続モデルに対する共形予測フレームワークを提案する。 本手法は,ステージ固有のコンポーネントに残留する全体の予測により,特定のパイプラインステージに不確実性を持たせることができる。 実世界のサプライチェーンや株式市場のデータと同様に, 合成分布シフトの実験は, 標準等角法を劣化させる条件下で, 本手法が適用範囲を維持することを実証している。
  論文  参考訳（メタデータ） (2025-10-06T00:33:18Z)
• Rectified Robust Policy Optimization for Model-Uncertain Constrained Reinforcement Learning without Strong Duality [53.525547349715595]
  我々はRectified Robust Policy Optimization (RRPO) と呼ばれる新しいプライマリのみのアルゴリズムを提案する。 RRPOは双対の定式化に頼ることなく、主問題に直接作用する。 我々は、最もよく知られた下界と一致する複雑性を持つ、ほぼ最適な実現可能なポリシーに収束することを示す。
  論文  参考訳（メタデータ） (2025-08-24T16:59:38Z)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
  システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。 コントローラと証明書を形式的に合成する自動化手法を提案する。 我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
  論文  参考訳（メタデータ） (2023-09-12T09:37:26Z)

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。