跳到主要内容
检索

# 神经符号推理

4 篇关联报道

订阅更新
  1. arXiv

    入侵检测把逻辑规则织进神经网络:每类攻击只用少量标注包,误报率从0.075降到0.001

    DeepWeave把可解释的逻辑规则与神经网络预测放进同一个概率推理程序,让两者作为可能冲突的两路证据共同决定告警。此前基于机器学习的入侵检测依赖大量标注攻击流量,部署环境一变性能就下降,且难以给出可供分析员核查的依据。在每类攻击仅有少量标注包观测时,采用Anchored耦合的DeepWeave相对匹配的神经基线把宏F1最多提高34.5%,并把攻击误报率从0.075降到0.001。

  2. 心理预测不再只猜动作:信念与程序分开迭代,联合正确率在OpenToM升到70.8%

    心理预测要同时判断角色会做什么、以及它相信什么,而只做表层拟合的模型往往给出动作与信念不一致的答案。一种神经符号推理框架把潜在认知状态拆成信念表示与可执行程序表示,用带上下文能量惩罚的粒子重采样筛掉违反情境约束的假设,再以停止梯度的交替定点迭代让两条通路分开更新。在OpenToM与FANToM的文本分类设定下,动作与信念同时正确的比例分别达到70.8%和52.1%,高于同规模纯编码器分类器。

  3. arXiv

    Omni-Geo以统一类型化几何状态耦合神经与符号推理,在三个几何基准上取得90.8%宏平均并在IMO-AG-30解出21/30

    该工作提出稠密神经—符号耦合框架,让神经提议与符号执行共享一个类型化几何状态并在每步搜索中通过可执行动作交互,实例化为覆盖平面、解析(含圆锥曲线)与立体几何的单一求解器Omni-Geo;使用Claude Sonnet 4.6时在FormalGeo7K、Conic10K、SolidFGeo上分别达到94.2%、88.5%、89.8%(宏平均90.8%),并在IMO-AG-30上解出21/30题。

  4. arXiv

    NeuroSymb-MRG 用可微溯因推理与主动不确定性最小化生成放射报告,在 IU X-ray 与 MIMIC-CXR 上把 BLEU-1 提升到 0.602 与 0.487

    该工作提出 NeuroSymb-MRG 框架,把图像特征映射为概率化临床概念,用可微逻辑层(乘积 t-范数 AND、概率和 OR、可学习门控 α)组合多跳溯因推理链,经规则解码器填入约 120 个模板并叠加检索证据与受限 LLM 改写,再用基于规则级预测熵(5 次 MC-dropout)与 k-center 多样性的主动采样(每轮 k=16)驱动临床医生在环审核;在 IU X-ray 与 MIMIC-CXR 上,BLEU-1 至 BLEU-4、ROUGE-L、METEOR 均优于所列代表性基线,例如 IU X-ray BLEU-1 为 0.602、MIMIC-CXR BLEU-1 为 0.487。

已读完全部报道