研究者提出神经符号图Transformer识别分层意图

Farnaz Soleimani等作者提出神经符号图Transformer（NSGT）框架，用于从多模态人类活动序列中识别分层意图。该框架通过可学习拓扑偏置，将人类推理图（HR-G）融入自注意力机制，并引入可微一阶逻辑（FOL）损失，约束原子动作、复合活动、低层意图与高层意图四层本体的一致性。 上述方法及评估来自作者在arXiv cs.AI发布的一手论文，报道未给出具体数据集或性能结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。