知识表示相关 AI 资讯 · AI 热点

7月10日

12:13

12:13

官方账号arXiv cs.AI@Emanuele Quinto, Carlo Andrea Rozzi, Francesco Zanitti

论文提出一种Lisp启发的概念模型，使用符号形式、对象身份和live-image思想解释LLM中介工作流。核心区分derive（确定性计算）和infer（LLM判断），并将工作流定义、实例、推理记录等作为持久知识对象存储在共享知识基板中。该模型使工作流本身成为可检查、可恢复、可审查的知识对象。

论文 LLM Lisp 工作流语义持久性知识表示

推荐理由：这篇论文把工作流本身当成可持久化的知识对象，用Lisp概念讲LLM工作流语义，挺有启发。

6月9日

09:39

09:39

官方账号arXiv cs.AI@Nicholas Leisegang, Thomas Meyer, Sebastian Rudolph

精选

本文提出将KLM可废止逻辑与立场逻辑相结合，形式化表达多个可能矛盾视角下的可废止信念。作者利用可废止受限立场逻辑（DRSL），为DRSL语义提供了基础表示结果，并系统地将多种命题蕴涵关系提升到立场增强场景。研究还展示了如何通过语义和算法手段提升优先蕴涵及基于单排序函数的蕴涵关系（包括理性和词典序闭包）。关键发现是，从命题KLM到DRSL，每种蕴涵检查的复杂度类保持不变。

论文可废止逻辑立场逻辑多视角推理知识表示复杂度分析

推荐理由：多视角推理是AI处理冲突信息的核心挑战，做知识表示与推理的研究者可以关注这个复杂度不变的理论突破，直接用于多智能体或争议性知识库场景。

5月24日

10:49

10:49

Gary Marcus@GaryMarcus

精选

Gary Marcus 在推文中指出，世界模型（world model）并非新概念，已在象棋程序、导航系统、维基百科等系统中存在多年，它们是对对象、地点、事件、机制等可推理内容的显式表示。然而，当前的大语言模型（LLM）缺乏这种显式世界模型。Marcus 强调，大多数世界模型是手工构建的，真正的挑战在于如何从数据中自动获取它们。这引发了关于AI系统如何更好地理解和推理世界的讨论。

AI模型世界模型 LLM 推理 Gary Marcus 知识表示

推荐理由：Marcus 点出了LLM的核心短板——缺乏显式世界模型，做AI推理和知识表示的开发者值得关注，看完会重新思考LLM的局限性。