摘要
针对基于大语言模型的智能体在组合泛化方面的系统性缺陷，本文提出 AGEL-Comp 神经符号架构。该框架整合动态因果程序图作为世界模型、利用归纳逻辑编程从经验中合成符号知识，并构建混合推理核心：由大模型提出子目标候选，经神经定理证明器验证逻辑一致性。通过演绎 - 溯因学习循环，智能体能推导计划并扩展符号世界模型。在 Retro Quest 环境中的评估表明，该方法显著优于纯大模型基线，为实现可解释的组合结构化理解提供了原则性路径。
AI 推荐理由
提出神经符号混合推理核心，结合归纳逻辑编程与定理证明解决组合泛化问题。
研究机构
Universität Duisburg-Essen, Essen, Germany
论文信息