AITOP

神经符号模型

共 3 条相关 AI 资讯
8月14日
22:50
8月4日
05:35
05:35Gary Marcus@GaryMarcus
精选
Jonathan Gorard在X平台发文指出，包括GPT-5.6 Sol、Fable 5和Kimi K3在内的前沿AI模型，在实现基本非线性PDE求解器时普遍失败，常引入数值稳定性、精度阶数或物理一致性方面的显著错误，即使给出详细提示并要求用Lean形式化实现也是如此。即使成功的案例中，较可靠的模型如Fable 5也常消耗超过Lanyon这类轻量神经符号模型100倍的token。其团队认为，只有像Lanyon这样的真正神经符号模型才能为复杂科学问题生成具有端到端正确性保证的超可靠数值求解器，且目前差距明显。
AI模型GPT-5.6Fable 5Kimi K3
事件专题
推荐理由：Gorard团队实测了GPT-5.6、Fable 5等模型，发现它们连基础非线性PDE都解不对，而Lanyon用更少token就能搞定，想了解模型短板可以看看。
原文
5月19日
10:59
10:59官方账号arXiv cs.LG@Samuele Bortolotti, Emanuele Marconato, Andrea Pugnana, Andrea Passerini, Stefano Teso
精选
神经符号概念模型（NeSy-CBMs）结合神经网络与符号推理，适用于高风险场景，但其预测可能过于自信。研究者引入共形预测（CP）框架，提出三个理想目标：一致性、覆盖率和简洁性。现有方法无法同时满足这些目标，因此他们提出COCOCO，一种事后框架，联合共形化概念和标签，并通过演绎-溯因修正步骤协调两者。COCOCO满足所有三个目标，保持无分布覆盖率，对不完美知识具有鲁棒性，并支持用户指定的大小预算。在8个数据集上的实验表明，COCOCO在性能和集合大小方面优于竞争对手和基线方法。
论文共形预测神经符号模型概念模型
推荐理由：这项研究解决了高风险AI应用中模型过度自信的痛点，做可解释AI或安全关键系统的团队可以直接参考COCOCO框架来提升预测可靠性。
原文