AITOP

神经符号系统

共 4 条相关 AI 资讯
8月6日
22:41
6月19日
11:37
11:37官方账号arXiv cs.AI@Saimun Habib, Vaishak Belle, Fengxiang He
DeepSWIP为DeepProbLog引入单世界反事实语义，通过神经具体化将固定上下文神经谓词转为ProbLog选择，并应用单世界干预程序(SWIP)计算反事实。实验在MPI3D数据集上对比DeepTwin构造，针对12,000个查询实现2.14倍推理加速。SUMO HOV实验表明神经校准退化会偏误插件估计，而AIPW估计器可消除大部分一阶偏差。代码已开源。
论文DeepSWIPDeepProbLog反事实推理
推荐理由：想给概率逻辑程序加上精准的反事实推理？DeepSWIP用商WMC方法避免了DeepTwin的内生重复，实测快两倍多，做因果推断的朋友可以看看。
原文
6月5日
08:51
08:51Gary Marcus@GaryMarcus
精选
Gary Marcus 对 Anthropic 关于递归自我改进（RSI）的博客提出关键批评。他指出，博客中展示的成果属于 RSI（AI 作为人类可用的编码工具），而非 AGI（能自主完成人类所有工作的机器）。Marcus 强调，这些结果来自神经符号系统（如 Mythos 和 Claude Code），并非纯规模扩展的胜利，而是工具和符号系统的胜利。他认为，深度学习确实遇到了瓶颈，神经符号 AI 拯救了它，而实现 AGI 需要新思路，而非仅靠代码优化。因此，我们不必过度恐慌。
行业AGIRSI神经符号系统
事件专题
推荐理由：Gary Marcus 一针见血地拆解了 Anthropic 博客的过度乐观，做 AI 研究的团队和关注 AGI 进展的读者值得一看，避免被标题误导。
原文
6月2日
10:10
10:10Gary Marcus@GaryMarcus
精选
Gary Marcus 转发了一条关于神经符号系统（Neurosymbolic）的突破性进展：通过让一个 80 万参数的 Transformer 像逻辑求解器一样推理，仅用 15 分钟训练计算就能在极难数独（sudoku-extreme）上达到 100% 准确率。这项工作由 Leo 在 Axiom Math AI 完成，标志着神经符号集成在推理任务上的重大进步。它展示了小模型通过符号化推理能力可以超越纯神经网络方法，为 AI 推理效率提供了新思路。
论文神经符号系统推理模型Transformer
推荐理由：神经符号系统终于有了可量化的突破——小模型+符号推理就能碾压纯神经网络，做推理模型和逻辑 AI 的团队值得关注这个方向。
原文