研究者提出grasp神经符号框架学习概率逻辑程序
热点事件持续更新
研究者提出grasp神经符号框架学习概率逻辑程序
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Saurabh Mathur等作者提出名为grasp的神经符号框架，将关系结构学习建模为函数梯度提升，把弱学习器设为一阶规则，并将原本难以处理的内层搜索交给大语言模型完成，从而用梯度引导的LLM假设生成替代组合搜索。 据该研究，grasp在Tox21、mutagenesis和Cora等四个关系基准上优于纯符号、神经网络和基于LLM的基线，同时输出可解释的加权规则集成，并保留提升算法的保证与符号输出的透明度。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
grasp：用函数梯度引导 LLM 学习概率逻辑程序报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.AIgrasp：用函数梯度引导 LLM 学习概率逻辑程序
研究者提出神经符号框架 grasp，将关系结构学习建模为函数梯度提升，把弱学习器设为一阶规则，并将内层搜索交给 LLM 完成。在 Tox21、mutagenesis 和 Cora 等四个关系基准上，grasp 优于纯符号、神经网络和基于 LLM 的基线，同时输出可解释的加权规则集成。该方法用梯度引导的 LLM 假设生成替代组合搜索，在保留提升算法保证的同时维持符号输出的透明度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。