NARS 推理神經符號基準
推出 NARS-Reasoning-v0.1 基準，將自然語言配對 FOL、Narsese 及推理標籤。開發經 OpenNARS 驗證的 FOL 至 Narsese 管道。發布 Phi-2 LoRA 適配器用於三標籤分類。
Search
Tag: #neuro-symbolic29 results
KA-FCM 實現非單調因果建模
KA-FCM 以可學習單變量 B-樣條函數取代模糊認知圖中的純量權重，依據 Kolmogorov-Arnold 定理實現邊緣上的非單調因果關係。它在非單調推斷、符號回歸及混沌時間序列預測中超越標準 FCM，並與 MLP 匹敵。此方法保留圖形可解釋性，便於從學習邊緣提取數學定律。
能力問題作為可執行計劃的受控 RAG
提出基於知識圖譜的神經符號架構，將能力問題 (CQs) 轉化為運行時可執行計劃，用於文化遺產故事講述的精準生成。引入 Live Aid KG，一個對齊 1985 年演唱會資料的多模態資料集。評估 KG-RAG、Hybrid-RAG 和 Graph-RAG，揭示精準度、豐富度和連貫性的權衡。
AIVV：LLM 代理自動化自主系統 V&V
AIVV 是一種混合神經符號框架，利用 LLM 自動化自主系統的驗證與確認 (V&V)。它部署專門 LLM 代理理事會，根據自然語言需求語義驗證異常，並驗證故障後回應。UUV 模擬器實驗顯示可擴展數位化人迴圈 V&V 流程。
合規感知預測流程監控：神經符號方法
提出使用邏輯張量網路（LTNs）的神經符號方法，將領域特定流程約束注入預測流程監控，解決子符號方法合規性問題。四階段管道包括特徵提取、規則提取、知識庫建立及知識注入。在實驗中展現比基準更高的合規性和準確度。
AI代理自動生成防火牆規則
這篇arXiv論文探討使用上位詞-下位詞等語義關係，從網路威脅情報（CTI）報告中提取資訊。多代理神經符號系統自動生成CLIPS程式碼，用於專家系統自動化防火牆規則以阻擋惡意流量。實驗顯示優於各基準表現。
AI 尚未超越嬰兒的學習能力
研究人員正深入探討嬰兒大腦的結構，以尋求 AI 發展的突破。與現有的模型相比，嬰兒展現出更卓越的學習效率。
分析師警告AI能源炒作
分析師呼籲警惕宣稱研究發現解決AI能源危機的標題。Tufts和Vienna研究人員顯示，使用PDDL規劃的神經符號方法在模擬機器人操作任務中比VLA少用大量功率。專家指出限於手寫規則和簡單情境，不適用真實世界複雜性。
NMIPS: Neuro-Symbolic PDE Solver
NMIPS introduces a unified neuro-symbolic framework for solving PDE families with shared structures but varying parameters. It discovers interpretable analytical solutions via multifactorial optimization and affine transfer for efficiency. Experiments show up to 35.7% accuracy gains over baselines.