論文の概要: OntoAct: Hypothesis-Based Neuro-Symbolic Agents through Ontological Abstraction

• arxiv url: http://arxiv.org/abs/2610.21983v1
• Date: Thu, 15 Oct 2026 14:34:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.130096
• Title: OntoAct: Hypothesis-Based Neuro-Symbolic Agents through Ontological Abstraction
• Title（参考訳）: オントアクト:オントロジー的抽象化による仮説に基づく神経シンボリック・エージェント
• Abstract要約: 本稿では,オントロジ的抽象化に基づく仮説に基づくニューロシンボリック・フレームワークであるOntoActを紹介する。 大きな言語モデル(LLM)は、この世界知識を使って仮説と行動を提案し、シンボリック検証器はそれらのサポート条件を評価する。 また,既存の工場における隠れ断層の診断と修復のためのFacterio Learning Environment上に構築されたベンチマークであるTacit-FLEを紹介した。
• 参考スコア（独自算出の注目度）: 40.698437307399104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning from experience requires recovering reusable knowledge and determining when it applies to a new situation. We introduce OntoAct, a hypothesis-based neuro-symbolic framework built on ontological abstraction. OntoAct turns individual experiences into axioms over entity types, relations, and conditions, making their underlying patterns reusable across situations. A large language model (LLM) uses this world knowledge to propose hypotheses and actions, while a symbolic verifier assesses their supporting conditions against current observations. Verification identifies missing evidence, and new observations and intervention outcomes update hypothesis assessments and guide subsequent actions. We also introduce Tacit-FLE, a benchmark built on the Factorio Learning Environment (FLE) for diagnosing and repairing hidden faults in existing factories using inherited operational records. Its synthetic maintenance corpus distributes evidence across records, and an executed repair may leave the fault unresolved, requiring agents to reassess their diagnoses through interaction. Across Tacit-FLE, Mars, and ALFWorld, OntoAct achieves leading task performance with efficient interaction and inference.
• Abstract（参考訳）: 経験から学ぶには、再利用可能な知識を回復し、それが新しい状況にいつ適用されるかを決定する必要がある。 本稿では,オントロジ的抽象化に基づく仮説に基づくニューロシンボリック・フレームワークであるOntoActを紹介する。 OntoActは個々の体験をエンティティタイプ、関係、条件に対する公理に変え、その基礎となるパターンを状況によって再利用する。 大規模言語モデル(LLM)は、この世界知識を用いて仮説と行動を提案し、シンボル検証器は、現在の観測に対して彼らのサポート条件を評価する。 検証は行方不明の証拠を特定し、新たな観察と介入の結果が仮説評価を更新し、その後の行動を導く。 また,既存の工場の隠れ断層の診断・修復にFleactio Learning Environment (FLE) をベースとしたベンチマークであるTacit-FLEを紹介した。 合成維持コーパスは証拠を記録に分散し、実行された修復は欠陥を未解決のままにし、エージェントは相互作用を通じて診断を再評価する必要がある。 Tacit-FLE、Mars、ALFWorldの他、OntoActは効率的なインタラクションと推論によって、主要なタスクパフォーマンスを実現している。

関連論文リスト

• ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence [40.670500527968926]
  本稿では,この要件に基づいて構築されたニューロシンボリックベンチマークであるACED-BENCH(Active Causal Evidence and Decision Benchmark)を紹介する。 主要なリーダーボードACED-COREには180のタスクが含まれている。 我々は,3つのアクティブエージェント設計における7つの現代LCMと2つの先行世代モデルを評価した。
  論文  参考訳（メタデータ） (2026-10-09T23:01:57Z)
• Safety in Self-Evolving Agents: A Survey [65.20955577335691]
  大きな言語モデル(LLM)は強力な汎用能力を示すが、そのパラメータは通常、デプロイ後に固定され、新しいインタラクションからの学習が制限される。 経験が再利用可能な状態になり、過去の出来事が将来の原因になり、ある文脈で無害な情報が後により大きな永続性、権威、あるいは範囲で決定に影響を与える可能性がある。 私たちは、再利用可能な影響を特定する移行中心のフレームワークであるSAVERを導入し、Adaptationは変更の仕方を捉え、Violationは破損した安全属性を特定し、障害が観測可能な露出マークを識別し、Responseは封じ込め、修復、取り消しを評価します。
  論文  参考訳（メタデータ） (2026-09-08T05:04:40Z)
• ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
  ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。 このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。 現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
  論文  参考訳（メタデータ） (2026-08-03T15:07:46Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
  破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。 本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。 我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
  論文  参考訳（メタデータ） (2025-09-27T00:53:32Z)
• The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims [0.7233897166339268]
  本稿では,AI出力の生成と受信の状況を理解するための診断手法であるEpistemic Suiteを紹介する。 真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通して、信頼の洗浄、物語の圧縮、異動した権威、一時的な漂流などのパターンを明らかにする。
  論文  参考訳（メタデータ） (2025-09-20T00:29:38Z)
• In-Context Learning for Pure Exploration [28.404325855738502]
  本研究は, 純粋探索(Pure Exploring)としても知られる, 能動的逐次仮説検定の課題について考察する。 In-Context Pure Exploration (ICPE)を導入し、トランスフォーマーをメタトレーニングして、観測履歴をクエリアクションと予測仮説にマッピングする。 ICPEは、新しいタスクの証拠を積極的に収集し、パラメータの更新なしに真の仮説を推測する。
  論文  参考訳（メタデータ） (2025-06-02T17:04:50Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Contextualizing biological perturbation experiments through language [3.704686482174365]
  PerturbQAは摂動実験に対する構造化推論のベンチマークである。 我々は、摂動をモデル化するための最先端の機械学習と統計的アプローチを評価する。 本稿では,サマー(SUMMarize,retrievE, answeR),シンプルなドメインインフォームドLLMフレームワークを紹介する。
  論文  参考訳（メタデータ） (2025-02-28T18:15:31Z)
• Interactive Visual Reasoning under Uncertainty [29.596555383319814]
  我々は,不確実性下での人工エージェントの推論能力を評価するためのIVRE環境を考案した。 IVREは、Blicket検出を中心にしたリッチなシナリオを特徴とする対話型環境である。
  論文  参考訳（メタデータ） (2022-06-18T13:32:41Z)

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。