大規模言語モデルの規則に基づく推論の回避に関する理論的枠組み
大規模言語モデルは、与えられた指示に従って安全で正確なコンテンツを生成することが期待されているが、実際にはしばしば規則に従うことができない。本研究では、大規模言語モデルの規則に基づく推論を意図的に回避する方法を理論的に分析し、実践的な攻撃手法との関連性を示す。
大規模言語モデルの宣言的統合と管理: 自動化、コミュニケーション、倫理への応用
有限オートマトンを用いて大規模言語モデルを宣言的に統合・管理する革新的なアーキテクチャを紹介する。自動化、コミュニケーション、倫理の分野での応用例を示す。
大規模言語モデルの複雑な論理推論能力を向上させるプログラム指導型学習アプローチ「LogicPro」
大規模言語モデルの複雑な論理推論能力を、広く利用可能なアルゴリズム問題とそのコードソリューションを活用して強化する新しいアプローチ「LogicPro」を提案する。
プロログ統合型言語モデル「ProSLM」による説明可能なドメイン固有知識ベースの質問応答システム
ProSLMは、大規模言語モデルの信頼性と説明可能性を向上させるための新しい神経シンボル的フレームワークである。ドメイン固有の知識ベースと論理推論システムを統合し、質問に対する文脈の生成と応答の妥当性検証を行う。
情報量の代数的表現と固定パリティ情報量
変数X、Y、Z = f(X, Y)からなる3変数システムにおいて、XORゲートが唯一の完全に相乗的なシステムである。
時間的帰納論理推論による高次グラフの分析
時間的高次グラフから一般化したパターンを学習する帰納論理推論手法を提案する。
大規模言語モデルにおける事実矛盾ハルシネーションの検出のための新しいロジックプログラミングベースのメタモーフィックテストフレームワーク「HalluVault」
HalluVaultは、ロジックプログラミングとメタモーフィックテストを活用して、大規模言語モデルにおける事実矛盾ハルシネーションを自動的に検出する革新的なアプローチである。
投資問題における最適な専門家の選択
投資家は、状態を部分的に明らかにする複数の専門家から、最適な専門家を選択して情報を得る必要がある。専門家の中に状態を完全に明らかにする者がいる場合、コストが十分に低ければ、その専門家を必ず利用する最適戦略が存在する。
Isabelle2Cpp における型推論
Isabelle2Cpp は Isabelle/HOL 仕様から C++ コードを自動生成するフレームワークですが、Isabelle/HOL 仕様に一部の型情報が欠落している場合、Isabelle2Cpp は自動的にコード生成を完了できません。本論文は、Isabelle2Cpp のための型システムを提供し、型推論と型統一を行うことで、より完全かつ正確な C++ コードの生成を可能にします。
ハイブリッド・ホーア論理の一般化
ハイブリッド・システムの仕様記述と証明のための一般化されたハイブリッド・ホーア論理を提案する。この論理は、通信と並行性を明示的かつ合成的に扱うことができ、連続的および離散的な相対完全性を持つ。
