ARC推理新框架:多阶段规则链实现可解释认知推理
论文提出多阶段规则链框架,在符号、结构与概念层面进行组合推理,整合确定性规则发现、模式组合引擎与结构抽象层三个求解器,并按渐进回退层级顺序运行以复用推理轨迹。系统在ARC-AGI-2的240个测试任务中解决230个,整体准确率超过95%,覆盖确定性、组合与抽象类别。结果表明规则链与层级组合可推动机…
共 8 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出多阶段规则链框架,在符号、结构与概念层面进行组合推理,整合确定性规则发现、模式组合引擎与结构抽象层三个求解器,并按渐进回退层级顺序运行以复用推理轨迹。系统在ARC-AGI-2的240个测试任务中解决230个,整体准确率超过95%,覆盖确定性、组合与抽象类别。结果表明规则链与层级组合可推动机…
一篇在 Hacker News 引发讨论的技术文章探讨如何在不使用大语言模型的情况下实现类似 AI 的推理能力。该思路指向符号推理或经典算法路径,与当前主流 LLM 路线形成对照,引发社区对推理本质的讨论。
论文在 7 个 STRIPS 领域上比较结构难度预测方法,发现零训练的 delete-relaxation 启发式 h_add 在留出领域上平均 Spearman 相关达 0.931,优于学习型方法。通过逐步重命名谓词,LLM 规划成功率从 67.5% 降至 40.0%,说明语义解释是独立难点。作…
arXiv 论文提出 RoleWorld,用可复用角色原型与环境特定参数表示物体交互行为,由教师 LLM 提取角色原型与转移规则。在 MARS 基准上,该方法在物体行为显著变化的环境中实现稳健泛化,无需更新 LLM 参数。
针对约束获取(CA)依赖与人类专家大量交互、成本高昂的问题,研究提出神经符号框架,引入神经Oracle Transformer模型模拟用户响应并泛化概念知识。学习到的Oracle与专用CA引擎FastCA交互,将响应精炼为可靠、一致且可解释的约束网络。该方法无需先验领域知识即可从数据中恢复结构化符…
论文提出一种引导纯 LLM 进行平面几何推理的框架,集成几何视觉解析器将图形转为符号形式,并配合符号求解器执行形式化演绎,从而减少幻觉并提升可解释性。作者基于 2025 年中国中考难题构建新基准,实验显示该方法性能可与 Gemini 2.5 Pro 媲美,同时给出更清晰、类人的解题过程。
提出以任务为中心的本体和确定性规则作为AI辅助化学问题求解的可验证核心。系统在300道题上匹配率达98.67%,但结果衡量的是覆盖度和内部一致性,非独立泛化。
论文提出声明式信念状态建模方法,将顶尖 Skat 玩家的手写推理规则自动提取为领域特定语言,并通过往返代码生成验证行为一致,还修正了原引擎的三个缺陷。引入基数约束与置信参数后,自对弈评测显示声明式引擎胜率与得分均优于原手写引擎。