摘要
大型视觉语言模型在需要精确空间感知和几何计算的任务中表现不可靠。现有工具增强方法缺乏依赖约束或泛化能力差。本文提出NeSy-Spatial,一种自我进化的神经符号框架。它将工具交互抽象为原子指令,组合为工具使用技能和几何技能。推理时闭环检索执行;进化阶段通过分析历史轨迹优化技能结构并剪枝无效条目。实验表明该方法能持续提升推理准确率。
AI 推荐理由
论文核心提出自我进化框架,通过反思成功/失败轨迹来优化技能结构,符合自我进化定义。
研究机构
南京大学 novel软件技术全国重点实验室
南京大学人工智能学院
四川大学计算机学院
论文信息