cs.FL」カテゴリーアーカイブ

Learning Algorithms in the Limit

要約 このホワイトペーパーでは、\ textIT {計算観測}および\ text … 続きを読む

カテゴリー: cs.AI, cs.DS, cs.FL, cs.LG | コメントする

Language Models over Canonical Byte-Pair Encodings

要約 現代の言語モデルは、バイトペアエンコーディングなどの決定論的トークン剤を介 … 続きを読む

カテゴリー: cs.CL, cs.FL, cs.LG | コメントする

Beyond Winning Strategies: Admissible and Admissible Winning Strategies for Quantitative Reachability Games

要約 古典的な反応性合成アプローチは、特定の仕様を常に満たすリアクティブシステム … 続きを読む

カテゴリー: cs.FL, cs.GT, cs.LO, cs.RO, D.2.4 | コメントする

Simultaneous Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications

要約 線形時間論的論理(LTL)などの時間的論理仕様を使用したロボット計画の研究 … 続きを読む

カテゴリー: cs.AI, cs.FL, cs.RO | コメントする

Neuro-Symbolic Generation of Explanations for Robot Policies with Weighted Signal Temporal Logic

要約 ニューラルネットワークベースのポリシーは、多くのロボットアプリケーションで … 続きを読む

カテゴリー: cs.FL, cs.RO | Neuro-Symbolic Generation of Explanations for Robot Policies with Weighted Signal Temporal Logic はコメントを受け付けていません

Automata Learning of Preferences over Temporal Logic Formulas from Pairwise Comparisons

要約 多くの好みの誘発アルゴリズムは、異なる属性を持つ命題論理式またはアイテムに … 続きを読む

カテゴリー: cs.AI, cs.FL, cs.LG, cs.SY, eess.SY | Automata Learning of Preferences over Temporal Logic Formulas from Pairwise Comparisons はコメントを受け付けていません

HybridProver: Augmenting Theorem Proving with LLM-Driven Proof Synthesis and Refinement

要約 正式な方法は、厳格な数学的証拠を通じて重要なシステムの信頼性を検証するため … 続きを読む

カテゴリー: cs.AI, cs.FL, cs.SE | HybridProver: Augmenting Theorem Proving with LLM-Driven Proof Synthesis and Refinement はコメントを受け付けていません

Lost in Transmission: When and Why LLMs Fail to Reason Globally

要約 多くの成功にもかかわらず、トランスベースの大手言語モデル(LLMS)は、入 … 続きを読む

カテゴリー: cs.AI, cs.FL, cs.LG | Lost in Transmission: When and Why LLMs Fail to Reason Globally はコメントを受け付けていません

NoPE: The Counting Power of Transformers with No Positional Encodings

要約 位置エンコーディング(PES)は、変圧器の表現力を確保するために不可欠であ … 続きを読む

カテゴリー: cs.CL, cs.FL, cs.LG | NoPE: The Counting Power of Transformers with No Positional Encodings はコメントを受け付けていません

Learning Neural Control Barrier Functions from Offline Data with Conservatism

要約 安全フィルタ、特に制御バリア関数に基づく安全フィルタは、力学系の安全制御の … 続きを読む

カテゴリー: cs.FL, cs.LG, cs.RO, cs.SY, eess.SY | Learning Neural Control Barrier Functions from Offline Data with Conservatism はコメントを受け付けていません