Continuous Modal Logical Neural Networks: Modal Reasoning via Stochastic Accessibility

本論文は、Neural SDE を用いて離散的な可能世界を連続多様体に拡張し、確率的拡散による量化子の崩壊防止やリスク測度としてのモダリティ実装などの特徴を持つ「Fluid Logic」および「CMLNN」を提案し、ロボットの幻覚検出やアトラクタの復元、安全な拘束動力学の学習など多様な領域における論理的整合性のある解の生成を実証しています。

Antonin Sulc2026-03-05🤖 cs.LG