摘要
神经算法推理旨在训练神经网络模仿经典规则算法的逐步行为。现有研究多聚焦于处理器改进，而忽视了编码器在状态表示学习中的作用。本文提出一种辅助重构模块，通过从编码表示中恢复输入状态，促使编码器保留关键信息。此外，受自监督学习启发，设计了增强变体以捕捉状态内特征依赖。实验表明，该方法使编码器学习到更丰富的表示，显著提升了现有架构在标准基准上的算法推理性能。
AI 推荐理由
论文核心研究神经算法推理中的表示学习，直接提升推理能力，属该领域核心机制研究。
研究机构
Shanghai Key Laboratory of Trustworthy Computing, East China Normal University, China
Overseas Education College, Xiamen University, China
Dept. of Electrical and Electronic Engineering, The University of Melbourne, Australia
论文信息