論文の概要: Learning Proposition-Level Links from Sentence-Level Supervision for Neuro-Symbolic NLI

• arxiv url: http://arxiv.org/abs/2610.15158v1
• Date: Sat, 10 Oct 2026 20:16:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.170581
• Title: Learning Proposition-Level Links from Sentence-Level Supervision for Neuro-Symbolic NLI
• Title（参考訳）: ニューロシンボリックNLIのための文レベルスーパービジョンからの学習プロポジション-レベルリンク
• Abstract要約: 前提と仮説を独立に翻訳した命題表現を用いたニューロシンボリック自然言語推論(NLI)について検討した。 既存のシステムは、固定埋め込みベースのソースセレクションを使用して命題レベルの単位(原子)間のセマンティックリンクを識別する。 本稿では,リンクの存在,ソース選択,関係型を共同で予測する訓練可能な原子リンカを提案する。
• 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: We study neuro-symbolic natural language inference (NLI) with independently translated propositional representations of the premise and hypothesis. Before symbolic reasoning, the system must infer semantic links between their proposition-level units (atoms). Existing systems based on Abstract Meaning Representation (AMR) and Boolean satisfiability (SAT) identify these links using fixed embedding-based source selection and pretrained sentence-level NLI models not trained for atom-level linking. We introduce a trainable atom linker that jointly predicts link existence, source selection, and relation type. Without atom-pair training annotations, we treat cross-formula link structures as latent and train the linker from sentence-level NLI labels, keeping the translator and SAT reasoner fixed. We evaluate on the full public test splits of Stanford Natural Language Inference (SNLI) and Sentences Involving Compositional Knowledge (SICK), and the matched and mismatched validation splits of Multi-Genre Natural Language Inference (MNLI). Our system improves accuracy by 11.40-27.09 percentage points over a baseline applying sentence-trained NLI models unchanged to atom pairs within the same SAT pipeline. It also improves over the prior fixed-linker AMR-to-SAT system by 8.14-26.32 percentage points on SNLI and both MNLI splits, with a smaller gain on SICK.
• Abstract（参考訳）: 前提と仮説を独立に翻訳した命題表現を用いたニューロシンボリック自然言語推論(NLI)について検討した。 記号的推論の前には、システムは命題レベルの単位(原子)間の意味的リンクを推論しなければならない。 AMR(Abstract Meaning Representation)とSAT(Boolean satisfiability)に基づく既存のシステムは、固定埋め込みベースのソース選択と、原子レベルのリンクを訓練していない事前訓練された文レベルのNLIモデルを用いてこれらのリンクを識別する。 本稿では,リンクの存在,ソース選択,関係型を共同で予測する訓練可能な原子リンカを提案する。 原子対のトレーニングアノテーションがなければ、クロスフォームリンク構造を潜時として扱い、文レベルのNLIラベルからリンカを訓練し、トランスレータとSAT推論器を固定し続ける。 本研究では,Stanford Natural Language Inference (SNLI) とSentences Involving Compositional Knowledge (SICK) の完全公開試験分割と,MNLI(Multi-Genre Natural Language Inference) の一致および一致の検証分割について検討した。 同じSATパイプライン内の原子対に変化のない文訓練NLIモデルをベースラインで11.40-27.09ポイント精度を向上する。 また、SNLIでは8.14-26.32ポイント、SICKでは2つのMNLIスプリットでは8.14-26.32ポイント向上した。

関連論文リスト

• Embedding Graph Kernel Entropy (EGKE): Fine-grained Hallucination Detection for LLMs from Embeddings [0.9460467369122011]
  幻覚検出は、現実世界のデプロイメントにおいて、LLM(Large Language Models)の信頼性を保証するために重要である。 我々は,NLI由来のセマンティックグラフを,高密度文埋め込みに適用したラジアル基底関数(RBF)カーネルに置き換える埋め込みグラフカーネルエントロピー(EGKE)を提案する。 連続埋め込み空間における類似性を直接計算することにより、提案手法はNLIに基づくセマンティック比較の対称的で効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2026-10-09T18:27:55Z)
• NV-Bench: Benchmark of Nonverbal Vocalization Synthesis for Expressive Text-to-Speech Generation [21.15492410480184]
  NV-ベンチ(NV-Bench)は,NVを音響的アーティファクトではなく伝達作用として扱う機能分類に基礎を置いた最初のベンチマークである。 NV-Benchは、14のNVカテゴリでバランスの取れた1,651の多言語、単語内発話とペアの人間の参照音声からなる。
  論文  参考訳（メタデータ） (2026-03-16T14:35:52Z)
• GinSign: Grounding Natural Language Into System Signatures for Temporal Logic Translation [9.213992122471645]
  自然言語(NL)から時間論理(TL)への変換により、エンジニアは、手動で正式な仕様を作成することなく、システムの振る舞いを特定し、検証し、強制することができる。 本稿では,GinSign と呼ばれる時相論理翻訳のための自然言語入力システムシグナチャの枠組みを提案する。
  論文  参考訳（メタデータ） (2025-12-18T17:03:07Z)
• A Novel Cartography-Based Curriculum Learning Method Applied on RoNLI: The First Romanian Natural Language Inference Corpus [71.77214818319054]
  自然言語推論は自然言語理解のプロキシである。 ルーマニア語のNLIコーパスは公開されていない。 58Kの訓練文対からなるルーマニア初のNLIコーパス(RoNLI)を紹介する。
  論文  参考訳（メタデータ） (2024-05-20T08:41:15Z)
• Pair-Level Supervised Contrastive Learning for Natural Language Inference [11.858875850000457]
  Pair-level Supervised Contrastive Learning approach (PairSCL)を提案する。 対照的な学習目的は、1つのクラスでそれらをまとめて、他のクラスでペアを分割することで、文対の様々なクラスを区別するように設計されている。 NLIの2つの公開データセット上でPairSCLの評価を行い、PairSCLの精度は平均2.1%向上した。
  論文  参考訳（メタデータ） (2022-01-26T13:34:52Z)
• Rnn-transducer with language bias for end-to-end Mandarin-English code-switching speech recognition [58.105818353866354]
  本稿では,言語バイアスを考慮したリカレントニューラルネットワークトランスデューサ(RNN-T)モデルを提案する。 我々は、CSの点を予測するためにモデルにバイアスを与えるために、言語アイデンティティを使用する。 これにより、言語識別情報を転写から直接学習するモデルが促進され、追加のLIDモデルが不要になる。
  論文  参考訳（メタデータ） (2020-02-19T12:01:33Z)

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。