論文の概要: Ontology-Mediated Neurosymbolic Constraint Acquisition from Multiple Stakeholders
- arxiv url: http://arxiv.org/abs/2609.29876v1
- Date: Thu, 24 Sep 2026 14:28:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.007354
- Title: Ontology-Mediated Neurosymbolic Constraint Acquisition from Multiple Stakeholders
- Title（参考訳）: マルチテイクホルダーからのオントロジーによるニューロシンボリック制約獲得
- Abstract要約: 本稿では、設定オントロジーを用いて、ニューラルネットワークソースと下流消費者の間を仲介することで、このギャップを埋めるアーキテクチャを提案する。
我々は、制約獲得が人間と自動化された不平等な権威の源に分散しているマルチステークホルダードメインに対する一般化可能性について議論する。
- 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: Neurosymbolic research typically assumes a pre-existing symbolic specification, leaving the upstream challenge of acquiring and formalizing requirements and constraints largely unaddressed. We present an architecture that fills this gap by using an OWL configuration ontology to mediate between neural constraint sources and downstream consumers. In this framework, LLM assistants elicit soft stakeholder preferences, while hardware specifications define hard physical and engineering limits. The ontology unifies these heterogeneous inputs, leverages description logic to identify unsatisfiability, and generates symbolic explanations that enable LLMs to interactively renegotiate terms with users. Any remaining conflicts are resolved downstream via priority-based relaxation. We illustrate our approach on a microgrid use case from the FLEXI project and argue its generalizability to multi-stakeholder domains where constraint acquisition is distributed across human and automated sources of unequal authority.
- Abstract（参考訳）: ニューロシンボリック・リサーチは、通常、既存のシンボリック・仕様を前提としており、要求と制約の獲得と形式化という上流の課題は、ほとんど適応されていない。
本稿では、OWL構成オントロジーを用いて、ニューラルネットワークソースと下流消費者の間を仲介することにより、このギャップを埋めるアーキテクチャを提案する。
このフレームワークでは、LLMアシスタントがソフトな利害関係者の好みを引き出す一方、ハードウェア仕様ではハード物理とエンジニアリングの限界を定義する。
オントロジーはこれらの不均一な入力を統一し、記述ロジックを活用して不満足を識別し、LLMがユーザと対話的に言葉を交渉できるようにするシンボリックな説明を生成する。
残るコンフリクトは、優先順位に基づく緩和によって下流で解決される。
FLEXIプロジェクトからのマイクログリッドのユースケースに対する我々のアプローチを概説し、制約獲得が人間と自動化された不平等な権威のソースに分散されているマルチステークホルダードメインへの一般化性について議論する。
関連論文リスト
- On the Reliability Limits of LLM-Based Multi-Agent Planning [19.02132233132541]
本技術は, LLMに基づくマルチエージェント計画の信頼性限界を委譲決定問題として検討する。
LLMに基づくマルチエージェントアーキテクチャを有限非巡回決定ネットワークとしてモデル化し、複数のプロセスがモデルコンテキスト情報を共有する。
新しい信号がなければ、任意の委任されたネットワークは決定論的に、同じ情報にアクセス可能な集中型ベイズ意思決定者によって支配されていることを示す。
論文 参考訳（メタデータ） (2026-03-27T21:07:42Z) - Interpretable Logical Anomaly Classification via Constraint Decomposition and Instruction Fine-Tuning [0.17722218114340835]
我々は,単一推論ステップにおいて,異常検出ときめ細かい違反分類を統一するタスクである論理異常分類(LAC)を導入する。
LACに取り組むために,複雑な論理的制約を検証可能なサブクエリ列に分解する視覚言語フレームワークであるLogiClsを提案する。
論文 参考訳（メタデータ） (2026-02-03T13:48:09Z) - NeSyPr: Neurosymbolic Proceduralization For Efficient Embodied Reasoning [21.685443540926652]
NeSyPrは、ニューロシンボリックな手続き化を通じて知識をコンパイルする、新しい具体的推論フレームワークである。
外部のシンボルガイダンスに頼ることなく、効率的なテスト時間推論をサポートする。
我々は,PDDLGym,VirtualHome,ALFWorldを具現化したベンチマーク上でNeSyPrを評価した。
論文 参考訳（メタデータ） (2025-10-22T09:57:02Z) - ZebraLogic: On the Scaling Limits of LLMs for Logical Reasoning [92.76959707441954]
我々はLLM推論性能を評価するための総合的な評価フレームワークであるZebraLogicを紹介した。
ZebraLogicは、制御可能で定量化可能な複雑さを持つパズルの生成を可能にする。
その結果,複雑性が増大するにつれて,精度が著しく低下することが明らかとなった。
論文 参考訳（メタデータ） (2025-02-03T06:44:49Z) - VERUS-LM: a Versatile Framework for Combining LLMs with Symbolic Reasoning [6.092556069430351]
本稿では,ニューロシンボリック推論の新しい枠組みであるVERUS-LMを紹介する。
VERUS-LMは汎用的なプロンプト機構を採用し、クエリからドメイン知識を明確に分離する。
提案手法は,LLMを著しく上回る,新しいデータセットの多種多様な推論に成功していることを示す。
論文 参考訳（メタデータ） (2025-01-24T14:45:21Z) - IID Relaxation by Logical Expressivity: A Research Agenda for Fitting Logics to Neurosymbolic Requirements [50.57072342894621]
本稿では、ニューロシンボリック・ユースケースにおける既知のデータ依存と分布制約を利用する利点について論じる。
これは、ニューロシンボリックな背景知識と、その論理に必要とされる表現性に関する一般的な疑問を伴う新しい研究課題を開く。
論文 参考訳（メタデータ） (2024-04-30T12:09:53Z) - Neural Fields with Hard Constraints of Arbitrary Differential Order [61.49418682745144]
我々は、ニューラルネットワークに厳しい制約を課すための一連のアプローチを開発する。
制約は、ニューラルネットワークとそのデリバティブに適用される線形作用素として指定することができる。
私たちのアプローチは、広範囲の現実世界のアプリケーションで実証されています。
論文 参考訳（メタデータ） (2023-06-15T08:33:52Z) - Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。
本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文 参考訳（メタデータ） (2020-02-18T16:47:38Z)
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。