答案集编程赋能！基于 ASP 与能量模型的端到端神经符号推理与学习

本文提出了一种通用的神经符号推理与学习方法，通过将答案集编程（ASP）与基于能量的模型基底进行模块化集成实现。主要贡献包括：（1）支持在连续潜在空间中进行联合优化，利用显式的 ASP 声明式语义充分融入背景知识、约束及非单调推理；（2）通过提供通用模型和实用平台，推进了答案集、概率逻辑及模态理论答案集的前沿研究，实现了面向动态领域应用的以 ASP 为中心的鲁棒端到端训练。文章提供了具体实现，并展示了在 MNIST 上的基础应用，同时在视觉问答基准 Clevr 和多目标跟踪基准 MOT 上进行了评估。