2026年度言語処理学会最優秀論文賞招待講演「大規模言語モデルに推論を教えるための人工論理推論コーパスを用いたアプローチ」

大規模言語モデルに推論を教えるための人工論理推論コーパスを用いたアプローチ森下皓文日立製作所先端AIイノベーションセンタ言語処理学会第32回年次大会最優秀論文賞招待講演セッション

© Hitachi, Ltd. 2026. All rights reserved. 3  東京大学
- 物理学専攻  素粒子物理学  素粒子: 宇宙を構成する最小要素 (≪分子・原子)  素粒子の法則 = 宇宙の根源的な法則  暗黒物質(ダークマター)の起源の探索  宇宙を満たしているとされる目に見えない正体不明の物質  株式会社東芝研究開発センター  深層学習による音声認識エンジン  株式会社日立製作所中央研究所  アンサンブル学習の基礎理論  LLMを用いたマクロ経済シミュレーション  LLMに推論を教えるための論理推論コーパス生成自己紹介経歴私 ICML 2023 NeurIPS 2024 記号論理学に基づく論理推論コーパス生成 MorishTr • 日立製作所中央研究所先端AIイノベーションセンター • 自然言語処理/機械学習/経済シミュレーション森下皓文 Morishita Terufumi 経済成長理論に基づく LLM100体・25年間のシミュレーションアンサンブル性能を決める要因を理論的に解明暗黒物質の探索 - 超対称性粒子を候補として - JSAI2025 優秀賞 AAAI 2026 (Bridge, keynote) ICML 2022 (spotlight)

© Hitachi, Ltd. 2026. All rights reserved. 背景 1. 背景
2. サンプルの設計指針 1. 未知なる事実での推論 2. 前提不足のサンプル 3. 公理系による多段推論 4. 多様な言語表現 3. サンプルの自動生成 4. 実験 5. 結果と考察

© Hitachi, Ltd. 2026. All rights reserved. 18 知識と推論 
知識:  推論:

知識: 世界に関する既知の事実 1. 「地球は質量を持つ」 2. 「質量を持つものは重力場を生む」  推論:

知識: 世界に関する既知の事実 1. 「地球は質量を持つ」 2. 「質量を持つものは重力場を生む」  推論: 知識を組み合わせることで、新しい知識を生み出す思考形態 3. 知識1と知識2 → 「地球は重力場を生む」

© Hitachi, Ltd. 2026. All rights reserved. 21 LLMは「大推論時代」 •
DeepMindのAIシステムが国際数学オリンピックで金メダル相当(2025) • O1-previewはアメリカ数学オリンピック予選を83%（全国上位約500人相当）． • 専門家が作った超高難易度の数学問題(FrontierMath)を25%解ける。 • AI支援(ChatGPT/Gemini)によりErdos問題の一部が解決 (#728/#729/#1051等, Lean で形式検証済) • AxiomProverが数値半群に関するFelの予想を証明．形式検証まで自動生成．数学 • DeepMindのGraph Networks for Materials Exploration (GNoME) は新規な結晶材料を約220万種類予測し、そのうち38万種を安定物質と判定。 • MITのCollins教授らは生成AIを用いて薬剤耐性菌に効く新たな抗生物質候補を創出。AI が提案した化合物から合成された「NG1」はマウス感染モデルで淋菌を死滅させる • 医療特化LLM「Med-PaLM 2」は米国医師国家試験形式の問題で医師レベルに到達(正答率86.5%)。 • 強迫性障害患者の症例要約を用いたGPT-4は専門家グループを凌駕する診断率(主要診断を100%的中)。OpenAIの新モデル「o1」は、物理・化学・生物の博士課程レベルの難問集（GPQAベンチマーク）で博士号保持者チームの平均成績を上回る • GPT-4oはドイツ物理オリンピックの問題で平均的参加者を上回る成績 • AlphaFold 3（DeepMind)はタンパク質に限らず，タンパク質–核酸・リガンド・抗原抗体などの複合体構造を統一モデルで高精度に予測。 • DeepMindが2023年に開発したAlphaMissenseは、ヒトの全タンパク質に起こり得る7100万通りのミスセンス変異について、その89%を「良性」または「病原性」のどちらかに分類することに成功した． • IQテストで平均約136ポイントを記録。人間平均100を大きく凌駕。自然科学 • Codeforcesで参加者上位約7%(レート1807) • 国際プログラミングコンテスト(IOI/ICPC)の過去の難問235問を集めた新ベンチマーク「Humanity’s Last Code Exam」において、最新LLMがメダル相当の成績を記録しました。 • AlphaDev 強化学習エージェントが新しい高速ソートアルゴリズムを発見し、人間研究者が最適化してきた従来アルゴリズムを凌駕 • AI脆弱性ハンター「Big Sleep」は、2024年11月に最初のセキュリティ脆弱性を発見し、その後FFmpegやImageMagickといった主要OSSで計20件の脆弱性を自律的に発見・再現． • カリフォルニア大学バークレー校は、初心者向けCSコースにGPT-4ベースの学習支援AIを導入。2学期で延べ2,000人以上の学生が利用し、宿題完了までの時間が平均30分以上短縮。 • GitHub Copilotは2025年7月、が2,000 万人以上の累計ユーザー数を突破コーディング • GPT-3.5を用いて、2006〜2023年の米上場企業の決算説明会約12万件の文字記録を分析し、経営者の発言から景気楽観度を数値化した指標（AIエコノミースコア）を作成。このAI指標は、翌四半期のGDP成長率をエコノミストより高精度で予測 • 財務諸表を与えた GPT-4 がアナリストより高精度で増益/減益方向を予測 • LLMがインフレ率の予測で専門家の精度を上回る。 • GPT-4が米国の統一司法試験で上位10%に入る高スコア • GPT-4搭載のAIチューターを導入した大規模実験で、従来型の授業に比べ学習成績が平均 127%も向上しました • o3モデルはメリーランド大学ロースクールの期末試験8科目でA+からBまでの成績を収め、憲法や財産法など複数科目でクラス最上位のA+評価を獲得しました社会科学

1. 推論とは？→ 基礎から一歩づつ明確に我々の研究

1. 推論とは？→ 基礎から一歩づつ明確に 2. LLMに推論を教えるには？我々の研究

1. 推論とは？→ 基礎から一歩づつ明確に 2. LLMに推論を教えるには？→学習サンプルが満たすべき性質を明らかに我々の研究

1. 推論とは？→ 基礎から一歩づつ明確に 2. LLMに推論を教えるには？→学習サンプルが満たすべき性質を明らかに 3. 学習サンプルを自動生成する手法を構築我々の研究

1. 推論とは？→ 基礎から一歩づつ明確に 2. LLMに推論を教えるには？→学習サンプルが満たすべき性質を明らかに 3. 学習サンプルを自動生成する手法を構築 4. LLMの推論能力の向上を確認我々の研究

© Hitachi, Ltd. 2026. All rights reserved. 29 「形式論理学に基づく演繹コーパスによる言語モデルに対する演繹推論能力の付与」言語処理学会
2023 「人工演繹推論コーパスによる学習は言語モデルをどのように強化するか？」人工知能学会 2023 「帰納的に多様な巨大論理推論コーパスによりLLMの汎用論理推論能力を向上させる」人工知能学会 2024 「日本語論理推論ベンチマークJFLDの提案」言語処理学会 2024 「LLMに論理推論を教えられるか？ - 人工コーパスを用いたアプローチ」 NLPコロキウム 2024/12 「Learning Deductive Reasoning from Synthetic Corpus based on Formal Logic」 ICML 2023 「Enhancing Reasoning Capabilities of LLMs via Principled Synthetic Logic Corpus」 NeurIPS 2024 「JFLD: A Japanese Benchmark for Deductive Reasoning based on Formal Logic」 LREC-COLING 2024 「Can We Teach Logical Reasoning to LLMs? – An Approach Using Synthetic Corpora」 AAAI 2026 (Bridge, 招待講演) 本日の話既存発表

2023 「人工演繹推論コーパスによる学習は言語モデルをどのように強化するか？」人工知能学会 2023 「帰納的に多様な巨大論理推論コーパスによりLLMの汎用論理推論能力を向上させる」人工知能学会 2024 「日本語論理推論ベンチマークJFLDの提案」言語処理学会 2024 「LLMに論理推論を教えられるか？ - 人工コーパスを用いたアプローチ」 NLPコロキウム 2024/12 「Learning Deductive Reasoning from Synthetic Corpus based on Formal Logic」 ICML 2023 「Enhancing Reasoning Capabilities of LLMs via Principled Synthetic Logic Corpus」 NeurIPS 2024 「JFLD: A Japanese Benchmark for Deductive Reasoning based on Formal Logic」 LREC-COLING 2024 「Can We Teach Logical Reasoning to LLMs? – An Approach Using Synthetic Corpora」 AAAI 2026 (Bridge, 招待講演) 本日の話既存発表「LLMに推論を教えるための人工論理推論コーパスを用いたアプローチ」自然言語処理 2025/06 (52ページ)

2023 「人工演繹推論コーパスによる学習は言語モデルをどのように強化するか？」人工知能学会 2023 「帰納的に多様な巨大論理推論コーパスによりLLMの汎用論理推論能力を向上させる」人工知能学会 2024 「日本語論理推論ベンチマークJFLDの提案」言語処理学会 2024 「LLMに論理推論を教えられるか？ - 人工コーパスを用いたアプローチ」 NLPコロキウム 2024/12 「Learning Deductive Reasoning from Synthetic Corpus based on Formal Logic」 ICML 2023 「Enhancing Reasoning Capabilities of LLMs via Principled Synthetic Logic Corpus」 NeurIPS 2024 「JFLD: A Japanese Benchmark for Deductive Reasoning based on Formal Logic」 LREC-COLING 2024 「Can We Teach Logical Reasoning to LLMs? – An Approach Using Synthetic Corpora」 AAAI 2026 (Bridge, 招待講演) 本日の話既存発表要点を紹介「LLMに推論を教えるための人工論理推論コーパスを用いたアプローチ」自然言語処理 2025/06 (52ページ)

© Hitachi, Ltd. 2026. All rights reserved. サンプルの設計指針1 - 未知なる事実での推論
- 1. 背景 2. サンプルの設計指針 1. 未知なる事実での推論 2. 前提不足のサンプル 3. 公理系による多段推論 4. 多様な言語表現 3. サンプルの自動生成 4. 実験 5. 結果と考察

© Hitachi, Ltd. 2026. All rights reserved. 40 論理的なステップ -
その１

その１前提

その１前提結論

その１論理的に出てくる前提結論

その２内容が誤り!

その２論理的に出てくる

その3

その3 論理的に出てくる

© Hitachi, Ltd. 2026. All rights reserved. 52 演繹規則「論理的な正しさ」
演繹規則

© Hitachi, Ltd. 2026. All rights reserved. 53 演繹規則「論理的な正しさ」≠「𝓕𝓕や𝓖𝓖の内容の正しさ(知識的な正しさ)」
演繹規則

© Hitachi, Ltd. 2026. All rights reserved. 54 演繹規則演繹規則
「論理的な正しさ」≠「𝓕𝓕や𝓖𝓖の内容の正しさ(知識的な正しさ)」 𝓕𝓕や𝓖𝓖は任意

© Hitachi, Ltd. 2026. All rights reserved. 55 演繹規則 ℱや𝒢𝒢は未知でもよい
演繹規則「論理的な正しさ」≠「𝓕𝓕や𝓖𝓖の内容の正しさ(知識的な正しさ)」 𝓕𝓕や𝓖𝓖は任意

© Hitachi, Ltd. 2026. All rights reserved. 56 演繹規則未知なる知識を導く力
ℱや𝒢𝒢は未知でもよい演繹規則「論理的な正しさ」≠「𝓕𝓕や𝓖𝓖の内容の正しさ(知識的な正しさ)」 𝓕𝓕や𝓖𝓖は任意

ℱや𝒢𝒢は未知でもよい演繹規則「論理的な正しさ」≠「𝓕𝓕や𝓖𝓖の内容の正しさ(知識的な正しさ)」 𝓕𝓕や𝓖𝓖は任意

知識: 世界に関する既知の事実 1. 「地球は質量を持つ」 2. 「質量を持つものは重力場を生む」  推論: 知識を組み合わせることで、新しい知識を生み出す思考形態 3. 知識1と知識2 → 「地球は重力場を生む」未知

知識: 世界に関する既知の事実 1. 「地球は質量を持つ」 2. 「質量を持つものは重力場を生む」  推論: 知識を組み合わせることで、新しい知識を生み出す思考形態 3. 知識1と知識2 → 「地球は重力場を生む」未知人類の知的活動の源泉

© Hitachi, Ltd. 2026. All rights reserved. 62 LLMは「大推論時代」 •
DeepMindのAIシステムが国際数学オリンピックで金メダル相当(2025) • O1-previewはアメリカ数学オリンピック予選を83%（全国上位約500人相当）． • 専門家が作った超高難易度の数学問題(FrontierMath)を25%解ける。 • AI支援(ChatGPT/Gemini)によりErdos問題の一部が解決 (#728/#729/#1051等, Lean で形式検証済) • AxiomProverが数値半群に関するFelの予想を証明．形式検証まで自動生成．数学 • DeepMindのGraph Networks for Materials Exploration (GNoME) は新規な結晶材料を約220万種類予測し、そのうち38万種を安定物質と判定。 • MITのCollins教授らは生成AIを用いて薬剤耐性菌に効く新たな抗生物質候補を創出。AI が提案した化合物から合成された「NG1」はマウス感染モデルで淋菌を死滅させる • 医療特化LLM「Med-PaLM 2」は米国医師国家試験形式の問題で医師レベルに到達(正答率86.5%)。 • 強迫性障害患者の症例要約を用いたGPT-4は専門家グループを凌駕する診断率(主要診断を100%的中)。OpenAIの新モデル「o1」は、物理・化学・生物の博士課程レベルの難問集（GPQAベンチマーク）で博士号保持者チームの平均成績を上回る • GPT-4oはドイツ物理オリンピックの問題で平均的参加者を上回る成績 • AlphaFold 3（DeepMind)はタンパク質に限らず，タンパク質–核酸・リガンド・抗原抗体などの複合体構造を統一モデルで高精度に予測。 • DeepMindが2023年に開発したAlphaMissenseは、ヒトの全タンパク質に起こり得る7100万通りのミスセンス変異について、その89%を「良性」または「病原性」のどちらかに分類することに成功した． • IQテストで平均約136ポイントを記録。人間平均100を大きく凌駕。自然科学 • Codeforcesで参加者上位約7%(レート1807) • 国際プログラミングコンテスト(IOI/ICPC)の過去の難問235問を集めた新ベンチマーク「Humanity’s Last Code Exam」において、最新LLMがメダル相当の成績を記録しました。 • AlphaDev 強化学習エージェントが新しい高速ソートアルゴリズムを発見し、人間研究者が最適化してきた従来アルゴリズムを凌駕 • AI脆弱性ハンター「Big Sleep」は、2024年11月に最初のセキュリティ脆弱性を発見し、その後FFmpegやImageMagickといった主要OSSで計20件の脆弱性を自律的に発見・再現． • カリフォルニア大学バークレー校は、初心者向けCSコースにGPT-4ベースの学習支援AIを導入。2学期で延べ2,000人以上の学生が利用し、宿題完了までの時間が平均30分以上短縮。 • GitHub Copilotは2025年7月、が2,000 万人以上の累計ユーザー数を突破コーディング • GPT-3.5を用いて、2006〜2023年の米上場企業の決算説明会約12万件の文字記録を分析し、経営者の発言から景気楽観度を数値化した指標（AIエコノミースコア）を作成。このAI指標は、翌四半期のGDP成長率をエコノミストより高精度で予測 • 財務諸表を与えた GPT-4 がアナリストより高精度で増益/減益方向を予測 • LLMがインフレ率の予測で専門家の精度を上回る。 • GPT-4が米国の統一司法試験で上位10%に入る高スコア • GPT-4搭載のAIチューターを導入した大規模実験で、従来型の授業に比べ学習成績が平均 127%も向上しました • o3モデルはメリーランド大学ロースクールの期末試験8科目でA+からBまでの成績を収め、憲法や財産法など複数科目でクラス最上位のA+評価を獲得しました社会科学

ℱや𝒢𝒢は未知でもよい「論理的な正しさ」と「𝓕𝓕や𝓖𝓖の内容の正しさ≓ 知識的な正しさ」は別モノ 𝓕𝓕や𝓖𝓖は任意演繹規則

© Hitachi, Ltd. 2026. All rights reserved. 64 LLMはℱや𝒢𝒢の任意性を理解しているか？問題1
地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもあるぽよぽよがある事前学習直後のLLM

© Hitachi, Ltd. 2026. All rights reserved. 65 LLMはℱや𝒢𝒢の任意性を理解しているか？解ける
知識があるだけ？問題1 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がある問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもある地球には四季がある事前学習直後のLLM

解けない知識があるだけ？問題1 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもあるぽよぽよがある事前学習直後のLLM

解けない知識があるだけ？ ℱ,𝒢𝒢の任意性を理解していない問題1 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもあるぽよぽよがある事前学習直後のLLM

解けない知識があるだけ？ ℱ,𝒢𝒢の任意性を理解していない問題1 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもあるぽよぽよがある ℱ ℱ → 𝒢𝒢 𝒢𝒢 ℱ ℱ → 𝒢𝒢 𝒢𝒢 ℱ ℱ → 𝒢𝒢 𝒢𝒢 事前学習直後のLLM

解けない知識があるだけ？ ℱ,𝒢𝒢の任意性を理解していない問題1 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がある地球には四季がある問題2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない問題3 ぴよぴよがあるぴよぴよがあればぽよぽよもあるぽよぽよがある ℱ ℱ → 𝒢𝒢 𝒢𝒢 ℱ ℱ → 𝒢𝒢 𝒢𝒢 ℱ ℱ → 𝒢𝒢 𝒢𝒢 どのような学習サンプルが必要か？事前学習直後のLLM

© Hitachi, Ltd. 2026. All rights reserved. 83 地球は太陽を周回しているもし地球が太陽を周回していれば
地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない ℱ, 𝒢𝒢は任意

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．．帰納には無数の候補がある (Hume, 1748; Goodman, 1954; Quine, 1969) ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 シンプルな規則を好む (Bertrand; Wittgenstein, 1922) 地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 シンプルな規則を好む (Bertrand; Wittgenstein, 1922) どの規則を選ぶ？地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 演繹規則2 演繹規則3 サンプル2 シンプルな規則を好む (Bertrand; Wittgenstein, 1922) サンプル3 サンプル4 どの規則を選ぶ？ぽりぽりがマグロを一本釣りするぽりぽりがマグロを一本釣りすればつんつんは宇宙一周の度に出るつんつんは宇宙一周の度に出るフィリピンバナナが猛烈に踊るもしフィリピンバナナが猛烈に踊ればヒマラヤ山脈は気怠げに読書するヒマラヤ山脈は気怠げに読書する地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 ℱ, 𝒢𝒢は任意演繹規則1 演繹規則2 演繹規則3 サンプル2 サンプル3 サンプル4 ぽりぽりがマグロを一本釣りするぽりぽりがマグロを一本釣りすればつんつんは宇宙一周の度に出るつんつんは宇宙一周の度に出るフィリピンバナナが猛烈に踊るもしフィリピンバナナが猛烈に踊ればヒマラヤ山脈は気怠げに読書するヒマラヤ山脈は気怠げに読書する地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

地球には四季がある地球には四季がある ℱや𝒢𝒢の任意性を教えるための学習サンプルとは？サンプル1 演繹規則1 設計指針1: ℱや𝒢𝒢に任意の内容を割り当てたサンプルを用意する演繹規則2 演繹規則3 サンプル2 サンプル3 サンプル4 ぽりぽりがマグロを一本釣りするぽりぽりがマグロを一本釣りすればつんつんは宇宙一周の度に出るつんつんは宇宙一周の度に出るフィリピンバナナが猛烈に踊るもしフィリピンバナナが猛烈に踊ればヒマラヤ山脈は気怠げに読書するヒマラヤ山脈は気怠げに読書する地球は太陽を周回しているもし地球が太陽を周回していれば地球には四季がない地球には四季がない．．． ℱ, 𝒢𝒢は任意 ℱ, 𝒢𝒢に天文学の単語が含まれる場合のみ成立 ℱ, 𝒢𝒢に「地球」が含まれる場合のみ成立

三段論法

三段論法対偶ド・モルガン

© Hitachi, Ltd. 2026. All rights reserved. 113 演繹規則はたくさんある演繹規則は無限のパターン
除去三段論法対偶ド・モルガン

© Hitachi, Ltd. 2026. All rights reserved. 114 演繹規則はたくさんある演繹規則は無限のパターン
全ては覚えきれない除去三段論法対偶ド・モルガン

© Hitachi, Ltd. 2026. All rights reserved. 115 多段推論 ℱ
→ 𝒢𝒢 ∧ (𝒢𝒢 → ℋ)

→ 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ∧ 除去 ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ)

→ 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ

© Hitachi, Ltd. 2026. All rights reserved. 118 多段推論 𝒢𝒢
ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ Modus ponens

ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ (𝒢𝒢 → ℋ)

ℋ Modus ponens ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ (𝒢𝒢 → ℋ)

ℋ ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ (𝒢𝒢 → ℋ) ℱ → ℋ → 導入

ℋ Modus ponens ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ∧ 除去 ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ (𝒢𝒢 → ℋ) Modus ponens ℱ → ℋ → 導入

ℋ ℱ → 𝒢𝒢 ∧ (𝒢𝒢 → ℋ) ℱ → 𝒢𝒢 (𝒢𝒢 → ℋ) ℱ (𝒢𝒢 → ℋ) ℱ → ℋ

三段論法対偶ド・モルガン

© Hitachi, Ltd. 2026. All rights reserved. 130 完全性複雑な演繹規則
原子的な演繹規則

© Hitachi, Ltd. 2026. All rights reserved. 131 完全性一階述語論理の完全性定理
(Gödel, 1929) 任意の妥当な演繹規則は，公理系による多段推論よって表現できる．原子的な演繹規則の集合複雑な演繹規則原子的な演繹規則

任意の演繹規則は公理系の多段推論と等価完全性

設計指針３: 公理系による多段推論を教える(=サンプルとする) 任意の演繹規則は公理系の多段推論と等価完全性

© Hitachi, Ltd. 2026. All rights reserved. サンプルの設計指針４ - 多様な言語表現-
1. 背景 2. サンプルの設計指針 1. 未知なる事実での推論 2. 前提不足のサンプル 3. 公理系による多段推論 4. 多様な言語表現 3. サンプルの自動生成 4. 実験 5. 結果と考察

© Hitachi, Ltd. 2026. All rights reserved. 146 設計指針 1.
𝓕𝓕や𝓖𝓖に任意の内容を割り当てた，未知のサンプルを用意する． 2. 前提不足のサンプルを含める． 3. 演繹規則として公理系を用いた多段推論をサンプルとする． 4. 多様な言語表現を含める．設計指針

© Hitachi, Ltd. 2026. All rights reserved. 147 設計指針 1.
𝓕𝓕や𝓖𝓖に任意の内容を割り当てた，未知のサンプルを用意する． 2. 前提不足のサンプルを含める． 3. 演繹規則として公理系を用いた多段推論をサンプルとする． 4. 多様な言語表現を含める．設計指針ぴよぴよ!

© Hitachi, Ltd. 2026. All rights reserved. 160 サンプル例 –
日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論プロンプト出力

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓕𝓕 𝓖𝓖

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓕𝓕 𝓖𝓖 𝓕𝓕 ∧ 𝓖𝓖

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓕𝓕 𝓖𝓖 𝓕𝓕 ∧ 𝓖𝓖 𝓕𝓕

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓗𝓗 𝓕𝓕

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓗𝓗 𝓕𝓕 𝓕𝓕 → 𝓗𝓗

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓗𝓗 𝓕𝓕 𝓕𝓕 → 𝓗𝓗 𝓕𝓕

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓗𝓗 𝓕𝓕 𝓕𝓕 → 𝓗𝓗 𝓕𝓕 𝓗𝓗

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓗𝓗

日本語ぷにぷに版コーパスから 1. そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓕𝓕 ∧ 𝓖𝓖 𝓕𝓕 → 𝓗𝓗 設計指針3: 公理系による多段推論設計指針1: 未知なる 𝓕𝓕,𝓖𝓖

© Hitachi, Ltd. 2026. All rights reserved. 193 FLDコーパス 1.
そのぴよぴわLv.62は憎たらしい 2. 「湿気易くない」モンスターはいる 3. このみちょみょLv.65は対応し易い 4. 「このみちょみょLv.65が悲しいとしたらこのぴちょぴちゅLv.71は悲しい」ということは確かだ 5. そのぴよぴわLv.62は対応し易い 6. そのもにゅもにLv.62は発症し易くて更にそれは悲しい 7. 仮にこのみちょみょLv.65が悲しいならそのぴよぴわLv.62は親らしい 8. このみちょみょLv.65は親らしいしその上対応し易い 9. このみちょみょLv.65は腑甲斐無い 10.「このぽよぽえLv.85は悲しい」ということは事実である 11.もし仮にこのみちょみょLv.65が親らしいならばそのぴよぴわLv.62は悲しいそのぴよぴわLv.62は悲しい事実8 このみちょみょLv.65は親らしい事実11 そのぴよぴわLv.62は悲しい事実多段推論結論 𝓕𝓕 ∧ 𝓖𝓖 𝓕𝓕 → 𝓗𝓗 𝐅𝐅𝐅𝐅𝐃𝐃×𝟐𝟐コーパス命名 Formal Logic Deduction Diverse サンプル10万件を生成

© Hitachi, Ltd. 2026. All rights reserved. 195 実験設定 
エポック数: 1  未知の事実を暗記させない  Optimizer: Recall Adam  過学習・破滅的忘却を防ぐAdam．  元のパラメタを中心に近似フィッシャー行列で正則化  プロンプトは勾配流さず LLaMA-3.1-70B (ベースモデル) モデル学習  サンプル数 10万件～0.1Bトークン  学習率:3e-06  バッチサイズ: 256 10万件でSFT プロンプト出力既存知識を破壊しないハイパラ事前学習直後のLLM

+6.2 +FLD×2 +3.3 +2.4 +0.8 +5.0 +1.5 +4.9 +10.7 +0.8 +3.7 多様な推論タスクで性能向上論理推論数学コーディング NLI 精度その他 (科学等)

+6.2 +FLD×2 +3.3 +2.4 +0.8 +5.0 +1.5 +4.9 +10.7 +0.8 +3.7 多様な推論タスクで性能向上論理推論数学コーディング NLI 精度その他 (科学等) 論理推論は推論の基礎よく汎化

© Hitachi, Ltd. 2026. All rights reserved. 207 FLD×2により解けるようになった問題 1.
Mice are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 事実結論

Mice are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 事実結論

Mice are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 事実結論不自然

Mice are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 事実結論論理的に出てくる不自然

Mice are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 事実結論論理的に出てくる不自然未知なる事実での推論能力(設計指針1)が身についた

© Hitachi, Ltd. 2026. All rights reserved. 221 1. Mice
are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 1. Rhett is not modest. 2. Vivian is confused. 3. Rhett is lazy. 4. If someone is modest or not confused, then he is not eager. Rhett is confused. (導けない) 1. All eels are fish. 2. No fish are plants. 3. Everything displayed in the collection is either a plant or an animal. 4. All animals displayed in the collection are multicellular. 5. A sea eel is displayed in the collection. 6. The sea eel is an eel or an animal or not a plant. 事実 1. Common utilities include water, electricity, gas, heating, sewer, trash, and recycling. 2. Many apartment rents cover the cost of water and electricity. 3. Susan lives in an apartment where the rent covers all utilities. 4. The rent of the apartment where Ava lives does not cover any utility expenses. 5. Noah lives in an apartment where the rent does not cover heating. 事実事実事実結論結論 Noah and Ava both need to pay the heating bill. The sea eel is multicellular or is bacteria. 結論結論 FLD×2により解けるようになった問題

© Hitachi, Ltd. 2026. All rights reserved. 222 1. Mice
are afraid of wolves. 2. Jessica is a cat. 3. Wolves are afraid of cats. 4. Cats are afraid of sheep. 5. Winona is a wolf. 6. Sheep are afraid of cats. Jessica is afraid of sheep. 1. Rhett is not modest. 2. Vivian is confused. 3. Rhett is lazy. 4. If someone is modest or not confused, then he is not eager. Rhett is confused. (導けない) 1. All eels are fish. 2. No fish are plants. 3. Everything displayed in the collection is either a plant or an animal. 4. All animals displayed in the collection are multicellular. 5. A sea eel is displayed in the collection. 6. The sea eel is an eel or an animal or not a plant. 事実 1. Common utilities include water, electricity, gas, heating, sewer, trash, and recycling. 2. Many apartment rents cover the cost of water and electricity. 3. Susan lives in an apartment where the rent covers all utilities. 4. The rent of the apartment where Ava lives does not cover any utility expenses. 5. Noah lives in an apartment where the rent does not cover heating. 事実事実事実結論結論 Noah and Ava both need to pay the heating bill. The sea eel is multicellular or is bacteria. 結論結論 FLD×2により解けるようになった問題設計指針で意図した能力を獲得設計指針1: 未知での推論設計指針3: 公理系の多段推論設計指針2: 前提不足設計指針4: 多様な言語表現

© Hitachi, Ltd. 2026. All rights reserved. 233 1. 推論とは？→
基礎から一歩づつ明確に 2. LLMに推論を教えるには？→学習サンプルが満たすべき性質を明らかに 3. 学習サンプルを自動生成する手法を構築 4. LLMの推論能力の向上を確認本日のまとめ論理推論論理・数学・科学・コーディング等本内容をポスター発表します！議論だけでも歓迎です！！ 3/12 (木) 11:15~ C会場「大規模言語モデルに推論を教えるための人工論理推論コーパスを用いたアプローチ」 1.未知なる事実での推論 2.前提不足のサンプル 3.公理系による多段推論 4.多様な言語表現設計指針

2026年度 言語処理学会 最優秀論文賞 招待講演 「大規模言語モデルに推論を教えるための人工...

2026年度 言語処理学会 最優秀論文賞 招待講演 「大規模言語モデルに推論を教えるための人工論理推論コーパスを用いたアプローチ」

More Decks by もりし

Featured

Transcript

2026年度言語処理学会最優秀論文賞招待講演「大規模言語モデルに推論を教えるための人工...

2026年度言語処理学会最優秀論文賞招待講演「大規模言語モデルに推論を教えるための人工論理推論コーパスを用いたアプローチ」