論文の概要: CogRSI: Evolving and Auditing Cognitive Reasoning Strategies

• arxiv url: http://arxiv.org/abs/2611.01113v1
• Date: Sat, 31 Oct 2026 16:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.450673
• Title: CogRSI: Evolving and Auditing Cognitive Reasoning Strategies
• Title（参考訳）: CogRSI:認知推論戦略の進化と監査
• Abstract要約: 接地された読者は、各イベントをストーリーでマークし、短い原則を使って読みの相違を解消する。 専門家が書いた原則で、同じトークンコストで自己整合性を破ります。 システムにない800台のBigToMペアについて、それぞれが専門家の原理よりも高いスコアを出している。 そして、学習したルールが実際に何を言っているかを確認する。
• 参考スコア（独自算出の注目度）: 41.7876178583819
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can a language model learn better ways to reason about other people's minds by improving its own strategies, and are the strategies it learns actually right? We study this with cogrsi. A grounded reader marks who saw each event in a story and uses a short written principle to settle disagreements between its readings. With a principle written by experts, it beats self-consistency at the same token cost. A self-improvement loop then writes the principle itself. It keeps an update only if accuracy rises by a calibrated margin, and in one variant only if it also passes counterfactual test pairs. The learned principles transfer: on 800 BigToM pairs that no system had seen, each of them scores higher than the expert principle. We then check what the learned rules actually say. Each rule is translated into code and run on thousands of small stories with known answers. Most of them give a wrong answer in at least one situation they claim to cover, for example by treating a character who is in the room as knowing what happened even while asleep. Accuracy does not reveal which rules are wrong, and the counterfactual test does not fix this. A strategy can help in practice and still be wrong as a rule, so both need checking. Our code and data are publicly available.
• Abstract（参考訳）: 言語モデルは、自分自身の戦略を改善することによって、他人の心を推論するより良い方法を学ぶことができるだろうか。 私たちはこれをコグレシで研究する。 物語の中で各出来事を目撃し、その読みの相違を和らげるために短文の原理を用いる、接地された読者のマーク。 専門家が書いた原則で、同じトークンコストで自己整合性を破ります。 自己改善ループは原則自体を記述する。 精度が調整されたマージンで上昇した場合と、非現実的なテストペアをパスする場合のみ、更新を保持する。 学習した原則の移行: システムにない800のBigToMペアに対して、それぞれが専門家の原則よりも高いスコアを出力する。 そして、学習したルールが実際に何を言っているかを確認する。 各ルールはコードに変換され、既知の回答を持つ何千もの小さなストーリーで実行される。 例えば、部屋にいる人物を、寝ている間でさえ何が起こったかを知るものとして扱うなどである。 正確性は、どのルールが間違っているかを明らかにしておらず、偽物テストはそれを修正しない。 戦略は実践に役立ち、ルールとして間違っているため、どちらもチェックが必要です。 私たちのコードとデータは公開されています。

関連論文リスト

• Don't Pick a Winner: Knowledge Conflicts Need a Prior, Not a Rule [3.308743964406687]
  検索強化された言語モデルは、検索されたコンテキストとその知識の2つのソースから回答する。 既存のメソッドは、設計時に固定されたルールとの相違を解決します – コンテキストに従ったり、モデルの動きの程度に比例してそれを増幅したり、モデルのメモリを信頼したりします。 これらの主張をGRACE上で検証する。これは、固定された質問の知識グラフコンテキストに介入するベンチマークで、モデルが知っていること、コンテキストが何を言っているか、真実が何であるかを別々に測定する。
  論文  参考訳（メタデータ） (2026-10-26T19:03:29Z)
• Reels-RSI: Program-Level Self-Improvement for Code-Rendered Explainer Videos [5.714615440285953]
  Reels-RSIは、あらゆるエージェントハーネスのためのオープンソースのリールディレクターである。 フィールドで学んだルールは、それ以前に書かれたフレームに4つの潜伏した欠陥をキャッチした。 優先信号の4つの障害モードを文書化し、それぞれをチェックし、修正した。
  論文  参考訳（メタデータ） (2026-10-10T02:46:44Z)
• Efficient rule induction by ignoring pointless rules [21.961097463200232]
  ポイントレスルールを識別するLPアプローチを導入する。 ルールが冗長リテラルを含んでいるか、負の例と区別できない場合、無意味である。 点のない規則を無視した場合、ICPシステムでは仮説空間を順調に引き起こすことができることを示す。
  論文  参考訳（メタデータ） (2025-02-03T10:46:18Z)
• Large Language Models can Learn Rules [106.40747309894236]
  大規模言語モデル(LLM)を用いた推論のためのルールライブラリを学習するフレームワークであるHtTを提案する。 リレーショナル推論、数値推論、概念学習に関する実験は、HtTが既存のプロンプト法を改善することを示す。 学習されたルールは、異なるモデルや同じ問題の異なる形式にも転送可能である。
  論文  参考訳（メタデータ） (2023-10-10T23:07:01Z)
• RulE: Knowledge Graph Reasoning with Rule Embedding [69.31451649090661]
  我々は、論理ルールを活用してKG推論を強化する、textbfRulE(ルール埋め込みのためのスタンド)と呼ばれる原則的なフレームワークを提案する。 RulEは、既存の三重項と一階規則からルールの埋め込みを学習し、統一された埋め込み空間において、textbfentities、textbfrelations、textbflogical rulesを共同で表現する。 複数のベンチマークの結果、我々のモデルは既存の埋め込みベースのアプローチやルールベースのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-10-24T06:47:13Z)
• Learning Symbolic Rules for Reasoning in Quasi-Natural Language [74.96601852906328]
  我々は,ルールを手作業で構築することなく,自然言語入力で推論できるルールベースシステムを構築した。 本稿では,形式論理文と自然言語文の両方を表現可能な"Quasi-Natural"言語であるMetaQNLを提案する。 提案手法は,複数の推論ベンチマークにおける最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-11-23T17:49:00Z)

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。