Prompt2DeModel: Declarative Neuro-Symbolic Modeling with Natural Language

要約

この論文では、自然言語プロンプトを通じて複雑な神経記号モデルのドメイン知識を作成するための会話パイプラインを紹介します。
大規模な言語モデルを利用して、DomiKnowS フレームワークで宣言型プログラムを生成します。
このフレームワークのプログラムは、概念とその関係を、それらの間の論理的な制約に加えてグラフとして表現します。
グラフは、後で、それらの仕様に従ってトレーニング可能なニューラル モデルに接続できます。
私たちが提案するパイプラインは、動的なインコンテキスト デモンストレーションの取得、シンボリック パーサーからのフィードバックに基づくモデルの改良、視覚化、ユーザー インタラクションなどの手法を利用して、タスクの構造と形式的な知識表現を生成します。
このアプローチにより、ML/AI に精通していない専門家であっても、DomiKnowS フレームワークのカスタマイズされたニューラル モデルに組み込まれる知識を正式に宣言できるようになります。

要約(オリジナル)

This paper presents a conversational pipeline for crafting domain knowledge for complex neuro-symbolic models through natural language prompts. It leverages large language models to generate declarative programs in the DomiKnowS framework. The programs in this framework express concepts and their relationships as a graph in addition to logical constraints between them. The graph, later, can be connected to trainable neural models according to those specifications. Our proposed pipeline utilizes techniques like dynamic in-context demonstration retrieval, model refinement based on feedback from a symbolic parser, visualization, and user interaction to generate the tasks’ structure and formal knowledge representation. This approach empowers domain experts, even those not well-versed in ML/AI, to formally declare their knowledge to be incorporated in customized neural models in the DomiKnowS framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google