Fugu-MT 論文翻訳(概要): Learning Size Independent Constraint Models from Input Data and Positive and Negative Example Solutions

論文の概要: Learning Size Independent Constraint Models from Input Data and Positive and Negative Example Solutions

arxiv url: http://arxiv.org/abs/2610.13640v1
Date: Fri, 09 Oct 2026 14:18:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-13 04:06:29.617392
Title: Learning Size Independent Constraint Models from Input Data and Positive and Negative Example Solutions
Title（参考訳）: 入力データと正負の例による独立制約モデルの学習
Abstract要約: システムは、グローバルおよびバイナリ制約に対する典型的な制約パターンに基づいて、サイズ固有のモデルを見つけ、次に、モデルを、目に見えない入力データで実行可能なサイズに依存しないモデルに一般化する。このツールをPTHG21 Challengeの例題として評価し,その実現可能性を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we describe a Constraint Acquisition Tool that generates size independent constraint programs from input data and positive and negative example solutions of multiple problem instances. The system finds size specific models based on typical constraint patterns over global and binary constraints, then generalizes the models to a size independent model that can be run on unseen input data. The system produces MiniZinc code as well as a textual description of the model. We evaluate the tool on the example problems of the PTHG21 Challenge and show the feasibility of the approach.
Abstract（参考訳）: 本稿では,入力データからサイズに依存しない制約プログラムを生成するConstraint Acquisition Toolと,複数の問題インスタンスの正および負の例解について述べる。システムは、グローバルおよびバイナリ制約に対する典型的な制約パターンに基づいて、サイズ固有のモデルを見つけ、次に、モデルを、目に見えない入力データで実行可能なサイズに依存しないモデルに一般化する。このシステムはMiniZincコードとモデルのテキスト記述を生成する。このツールをPTHG21 Challengeの例題として評価し,その実現可能性を示す。

関連論文リスト

CCTU: A Benchmark for Tool Use under Complex Constraints [66.87622847854337]
複雑な制約下での大規模言語モデル(LLM)を評価するためのベンチマークであるCCTUを紹介する。ベンチマークは、さまざまなツール使用シナリオに対して、慎重にキュレートされ、挑戦的なテストケースが200から成っている。ステップレベルの検証を行い、コンプライアンスを強制する実行可能な制約検証モジュールを開発する。
論文参考訳（メタデータ） (2026-03-16T14:05:13Z)
CP-Bench: Evaluating Large Language Models for Constraint Modelling [6.250460397062786]
制約プログラミング(CP)は、問題を解くために広く使われているが、その中核となるプロセス、すなわち制約モデリングは、かなりの専門知識を必要とし、広く採用される際のボトルネックと考えられている。近年,問題記述を実行可能な制約モデルに変換するために,Large Language Models (LLMs) を用いて検討されている。制約モデリングのための既存の評価データセットは、しばしば、現実のシナリオの多様性を捉えない、小さく、均一で、ドメイン固有のインスタンスに限られる。この研究はCP-Benchの導入によってこのギャップに対処する。CPコミュニティから得られた様々な既知の問題を含む新しいベンチマークであるCP-Benchは構造化されている。
論文参考訳（メタデータ） (2025-06-06T12:56:02Z)
Generalizing Constraint Models in Constraint Acquisition [6.305123652677644]
制約獲得(CA:Constraint Acquisition)は、モデリングプロセスにおいてユーザを支援することによって制約プログラミングの利用を拡大することを目的としている。多くのCAメソッドは、特定の問題インスタンスに対して1組の個々の制約を学習するが、これらの制約を問題のパラメータ化された制約仕様に一般化することはできない。我々は、同じ問題の様々なインスタンスをモデル化できるパラメータ化制約モデルを学ぶための新しい手法GenConを提案する。
論文参考訳（メタデータ） (2024-12-19T15:31:29Z)
Automatic Feature Learning for Essence: a Case Study on Car Sequencing [1.006631010704608]
問題インスタンスに最適な組み合わせを自動的に選択するために、機械学習モデルを構築するタスクについて検討する。学習プロセスの重要な部分は、選択モデルへの入力として機能するインスタンス機能を定義することである。私たちの貢献は、言語モデルを用いた問題インスタンスの高レベル表現から直接、インスタンス機能の自動学習です。
論文参考訳（メタデータ） (2024-09-23T16:06:44Z)
You-Only-Randomize-Once: Shaping Statistical Properties in Constraint-based PCG [3.581471126368696]
制約解法のための決定変数順序付け法であるYou-Only-Randomize-Once (YORO) プレロールを導入する。本手法は,市販のSATソルバが生成するタイルグリッド出力の統計を効果的に制御することを示す。
論文参考訳（メタデータ） (2024-09-01T20:43:55Z)
On the Embedding Collapse when Scaling up Recommendation Models [53.66285358088788]
埋め込み崩壊現象をスケーラビリティの阻害とみなし、埋め込み行列は低次元の部分空間を占有する傾向にある。本稿では,組込み集合固有の相互作用モジュールを組み込んで,多様性を持つ組込み集合を学習する,単純かつ効果的な組込み設計を提案する。
論文参考訳（メタデータ） (2023-10-06T17:50:38Z)
Contextual Dropout: An Efficient Sample-Dependent Dropout Module [60.63525456640462]
ドロップアウトは、ディープニューラルネットワークのトレーニングプロセスを正規化するシンプルで効果的なモジュールとして実証されています。単純でスケーラブルなサンプル依存型ドロップアウトモジュールとして,効率的な構造設計によるコンテキスト型ドロップアウトを提案する。提案手法は,不確実性推定の精度と品質の両面において,ベースライン法よりも優れていた。
論文参考訳（メタデータ） (2021-03-06T19:30:32Z)
How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文参考訳（メタデータ） (2021-02-17T18:25:30Z)
Sufficiently Accurate Model Learning for Planning [119.80502738709937]
本稿では,制約付きSufficiently Accurateモデル学習手法を提案する。これはそのような問題の例を示し、いくつかの近似解がいかに近いかという定理を提示する。近似解の質は、関数のパラメータ化、損失と制約関数の滑らかさ、モデル学習におけるサンプルの数に依存する。
論文参考訳（メタデータ） (2021-02-11T16:27:31Z)
An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文参考訳（メタデータ） (2020-06-18T20:09:53Z)

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。