三段論法による調査：大規模言語モデルにおける論理推論の進化の追跡
大規模言語モデル（LLM）の進化過程において、モデルの規模が拡大するにつれて、推論の基盤が直感に頼る伝統的なアリストテレス的論理から、より厳密で形式的な現代のブール的論理へと移行する「論理のパラダイムシフト」が発生することが、三段論法を用いた詳細な調査によって明らかになりました。
Cog AI Archive
最新の記事
局所的に思考し、大域的に説明する：局所的推論と信念伝播によるグラフ誘導型LLMの調査
Think Locally, Explain Globally: 局所的推論と信念伝播によるグラフ誘導型LLM調査フレームワーク「EoG」の提案
ローカルに考え、グローバルに説明する：局所推論と信念伝播によるグラフ誘導型LLM調査
大規模で複雑なITインシデント管理において、従来のLLMエージェントはコンテキスト制限や推論の非決定性により、一度の成功はあっても継続的な信頼性に欠けるという課題を抱えていた。 本研究が提案するEoG（Explanations over Graphs）は、決定論的なコントローラーによる探索管理と、LLMによる局所的なアブダクション推論を分離し、メッセージパッシングを用いたセマンティック信念伝播（SBP）によって動的な判断修正を可能にした。 ITBenchを用いた検証では、従来のReAct手法と比較して、複数回の実行における一貫した正解率を示すMajority@k F1スコアで平均7倍の向上を達成し、複雑な依存関係を持つシステムにおける根本原因特定において極めて高い信頼性を実証した。
時相論理を通じた状態空間モデルの表現能力について
状態空間モデル（SSM）の表現能力は、採用されるゲート機構の構造と計算に使用される数値の精度に深く依存しており、特に対角ゲート型SSMは固定精度において過去時相論理（PLTLf）で定義可能なスターフリー言語を認識する能力を持つことが証明されました。
計量時相回答セットプログラミングの実装
回答セットプログラミング（ASP）において、期間や締め切りといった定量的な時間制約を扱う際、時間の精度を上げると接地（グラウンディング）の負荷が爆発的に増大する問題がありました。 / 本研究では、差分制約という簡略化された線形制約を導入して時間処理を外部化することで、時間の粒度に依存しないスケーラブルな計算手法を提案し、その論理的な正当性を証明しました。 / 具体的には、メトリック論理プログラムを通常の論理プログラムや差分制約付きプログラムへ変換する二つの翻訳手法を開発し、時間の最大値や精度に関わらず、プログラムの規模をトレースの長さに比例する範囲に抑えることを可能にしました。