推論ショートカットの制約ベース解析：神経記号学習における制約充足の観点から
arXiv cs.AI / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、神経記号システムが学習中に論理制約を満たしてしまう一方で、意図された概念対応（概念→ラベルの対応）を学習できない「推論ショートカット」を扱います。
- 推論ショートカットを制約充足問題として形式化し、制約によって意図された概念マッピングが一意に定まる条件を解析します。
- 学習の一意性に関して、二値対応（全単射）の下では「識別（discrimination）性」がショートカットフリーに必要であることを証明しますが、制約グラフが連結であってもそれだけでは十分でない反例を示します。
- 与えられた制約集合が意図したマッピングを一意に決めるかを検証するために、ASP（Answer Set Programming）ベースの手法を提案し、健全性と完全性を証明します。
- さらに、検出されたショートカットを除去するための貪欲な修復手順、計算複雑性の分類、ならびにサンプル複雑性の上界を提示し、8つのベンチマーク領域で実験的に有効性を確認します。
