安定モデル推論のためのニューラル・デシジョン・プロパゲーション：制約充足問題（アンサー集合プログラミング）への応用
arXiv cs.AI / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、安定モデルセマンティクスに基づく推論でクラスカルなソルバに依存することがスケーラビリティのボトルネックになる点を、ニューロ記号AIの観点から解決しようとする。
- 安定モデルを計算する新手法として、偽（falsity）の決定と真（truth）の伝播を交互に行うデシジョン・プロパゲーション（DProp）を提案し、その妥当性を示す。
- DPropを発展させ、意思決定をニューラル計算で行い、伝播をファジー評価で扱うことで、DPropを微分可能にしたニューラルDProp（NDProp）を開発する。
- 実験では、NDPropが意思決定ヒューリスティクスを学習できることや、ニューロ記号統合を行えることを評価し、既存手法に比べて精度とスケーラビリティが向上することを報告する。
