Neurosymbolic AI Differentiable Logic Programming Reasoning Shortcuts Interpretability
摘要

神经符号系统结合神经网络与逻辑推理以实现泛化性和可解释性,但易受推理捷径行为影响。本文提出一种基于矩阵的可微分逻辑编程新方法,旨在缓解两类现象:约束满足捷径(未达成目标即满足约束)和认知捷径(数据偏差导致概念映射错误)。通过在单一矩阵中统一编码规则与约束,并分析其与模糊逻辑 t-范数的梯度流特性,实验表明将神经输出与逻辑原子进行一对一基座化显著减少了捷径行为,证实了架构选择在缓解捷径中的关键作用。

AI 推荐理由

论文核心研究神经符号系统中的逻辑推理捷径问题,提出可微分逻辑编程方法以增强推理可靠性。

研究机构
National Institute of Informatics, Tokyo, Japan
论文信息
作者 Akihiro Takemura, Katsumi Inoue
发布日期 2026-07-23
arXiv ID 2607.21185
相关性评分 9/10 (高度相关)