元模拟对比学习的少样本视觉推理
本论文比较了人类视觉类比问题解决能力和三种不同的计算模型的性能,包括成分模型、连体网络和关系网络,结果显示成分模型的定性表现与人类推理者相似,而深度学习模型的表现则不如人类。
May, 2021
该研究通过关注数据的选择和呈现方式,研究神经网络在感知和推理原始视觉数据时如何诱导类比推理能力,并发现最健壮的类比推理能力是通过在输入域中对抽象关系结构进行对比学习而诱导的。
Jan, 2019
本文介绍了 VisiPAM(visual Probabilistic Analogical Mapping)的视觉推理模型,该模型综合了视觉推理和类比推理两种方法,使用从自然视觉输入中直接推导出的学习表示和源自人类推理认知理论的相似性映射操作,并且在类比映射任务上表现优于现有的深度学习模型。
Sep, 2022
Analogical Networks 是一种以结构化标签的三维场景为主,通过类比推理对三维物体场景进行分割的模型,能够在少量内存样本的情况下有效地分割新物体。
Apr, 2023
通过测试几种学习基本类比推理的方法,研究人员发现模型在少量数据情况下也能学习类比推理,并与人类基准数据集进行比较发现,经过训练后,模型接近人类表现。
Oct, 2023
通过将人类语言与类比制造联系起来,我们使用大规模预训练的语言模型(PLMs)来支持人工智能系统的类比能力,将感知特征转换成语言形式,PLMs 展现出惊人的零 - shot 关系推理能力,并在 RPM 测试中接近监督的以视觉为基础的方法。
May, 2023
研究一类视觉类比推理问题,并使用神经类比推理方法寻找一系列基本的神经网络转换来处理符号空间中的图像,评估该算法对具有不同形状和位置的图像的推理泛化能力。
Nov, 2021
通过将认知心理学中的类比推理理论在叙述上进行计算适应,我们提出了类比叙事(ARN)数据集和一个大规模的评估框架,研究了不同抽象程度的类比、不类比之间的匹配。研究结果表明,当较高级别的映射缺乏较低级别的映射时(远类比),大语言模型难以识别;而当所有映射同时存在时(近类比),大语言模型的性能得到改善。我们观察到,在所有的设置中,大语言模型的类比推理能力容易受到与查询叙事形成较低级别映射的近干扰的影响。
Oct, 2023
本文提出的基于深度学习的类比推理框架 DeepGAR 可以在满足认知理论驱动的约束条件下,通过设计几何约束嵌入空间诱导节点嵌入的子图关系以进行有效的子图搜索,并通过开发新的学习和优化策略来端到端地识别与认知理论驱动的约束条件严格一致的对应物,从而超越现有的方法。
Nov, 2022
这篇论文通过引入变分自动编码器 (VAE) 来解决通过向量算术处理的视觉类比推理问题,并且在 Abstraction and Reasoning Corpus (ARC) 中取得了有希望的结果。
Nov, 2023