オブジェクト指向遷移モデル化と誘導論理学プログラミング

arXiv:2602.07602v1 Announce Type: new Abstract: 観察から世界のモデルを構築する（すなわち、誘導）ことは、機械学習における主要な課題の一つです。実用的なモデルは、新規な状況で使用された際に精度を維持し、すなわち一般化できる必要があります。また、解釈が容易で、効率的に学習可能なべきです。過去の研究は、人間の認知を着想として得たオブジェクト指向表現の文脈でこれらの概念を調査しています。本稿では、これらの以前の方法とは大幅に強力である新しい学習アルゴリズムを開発します。私達の詳細な実験（アブレーションテストを含む）とニューラルベースラインとの比較は、最良の研究成果に対する著しい改善を示しています。

arXiv:2602.07602v1 Announce Type: new Abstract: Building models of the world from observation, i.e., induction, is one of the major challenges in machine learning. In order to be useful, models need to maintain accuracy when used in novel situations, i.e., generalize. In addition, they should be easy to interpret and efficient to train. Prior work has investigated these concepts in the context of object-oriented representations inspired by human cognition. In this paper, we develop a novel learning algorithm that is substantially more powerful than these previous methods. Our thorough experiments, including ablation tests and comparison with neural baselines, demonstrate a significant improvement over the state-of-the-art.