- 双语类比比例
本文介绍了作者在抽象代数逻辑框架下,从第一原理出发引入的类比比例的逻辑框架,并在此基础上将其推广到双语言框架,从而大大拓展了底层框架的应用范围,是类比推理数学理论的进一步步骤。
- ICLR基于类比形成的 Transformer 的少样本 3D 解析
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。
- LLM 是否为万能大师?:探究 LLM 对领域无关推理技能
本研究旨在探究大型语言模型在不同推理任务上的表现,并发现它们在类比和道德推理方面表现出色,而在空间推理任务方面则表现不佳。
- 基于概括的相似性
本文从抽象代数和定性相似性的角度探讨类比推理理论的数学基础,并证明了这一方法具有明显的数学性质和可行性意义。
- 大型语言模型中的紧急类比推理
本研究探讨了大型语言模型(比如 GPT-3)在模拟人类的模拟推理能力方面的表现,特别是它在没有直接训练的情况下是否能够进行零样本推理。研究发现,GPT-3 在抽象模式归纳方面具有出色的能力,并能够在大多数场景中匹配或超过人类的能力。因此,大 - EMNLP增强问题 - 解决方案关联的类比数学问题求解
本文提出了一种新颖的 MWP 求解器,利用类比方法,通过将类比 MWP 对在潜在空间中进行关联以增强求解器的泛化能力,整合了解决方案鉴别器以增强 MWP 表示和真实解决方案的关联,评估结果证实,我们的模型相比最先进的模型 Generate2 - DeepGAR: 深度图学习用于类比推理
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 - 透过意向立场理解未预料到的情况
采取 Dennett 的意图态度和类比推理作为理解未预见行为的主要计算机制,使多个过去的经验可以混合来解释未预见的事件,从而推出更有意义的叙述主体行为。研究提供用于在加油站环境中通过类比方法实现新体验理解的简单用例。
- Wikidata 是否支持类比推理?
本文旨在研究 Wikidata 是否支持类比推理,发现 Wikidata 中关键的联合信息通常缺失或模型不一致,需要大量的人工工作才能用于类比分类,同时提出了一组指标来指导自动从 Wikidata 中提取类比的方法。
- ICLR基于知识图谱的多模态类比推理
本研究介绍了基于知识图谱的多模式类比推理任务,并通过构建 Multimodal Analogical Reasoning 数据集和 Multimodal knowledge graph MarKG 进行评估。研究表明,从多模态源获取信息可以 - 通过概率类比映射进行零 - shot 视觉推理
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 - 基于知识的神经符号潜变空间类比推理
本论文提出了一种结合神经网络的模式识别能力、符号推理和背景知识来解决类比推理问题的框架,并应用于 RAVEN 的递进矩阵上,取得了与人类表现有竞争力甚至更优秀的结果。
- 比例代数
本文介绍了比例代数作为一种代数,并研究了保持比例关系的函数的性质,提供了数学工具,以便将知识传递到不同的领域,这对未来的人工智能系统至关重要。此外,本文是朝着比拟推理的数学理论迈出的更进一步的一步。
- 通过类比维度理解叙事
本研究从认知科学研究成果出发,对类比推理的六个维度进行了规范,在寓言语料上进行了注释,并定义了四个任务来评估新型 AI 技术的可扩展性,实验结果显示现有的方法能够在有限的范围内推理类比,但需要进一步的研究来提高 AI 的综合性和可扩展性。
- 法律词向量评估数据集:以中国律法典籍为案例研究
本研究提出了使用五种法律关系从 2,388 个中国法典语料库中建立一个 1,134 个法律类比推理问题集 (LARQS), 以评估中文词嵌入模型的准确性,并发现法律关系可能是词嵌入模型中普遍存在的。
- 从奖励中学习关系规则
本文通过关系强化学习来理解认知系统如何选择在特定任务中有用的特征关系以及如何利用这些表达来有效地与环境交互。我们使用建立在 RRL 中开发的函数逼近器的简单模型来展示我们的方法的潜力,并在需要考虑日益增多的潜在关系的三个 Atari 游戏中 - 一种神经符号化方法用于自然语言理解
通过启用预训练语言模型的深度神经网络,在系统 1 和系统 2 的理论支持下,实现了基于神经和符号处理的类比推理和逻辑推理,并在数值推理的两种自然语言理解任务中显著优于现有的最先进方法。
- ACLE-KAR:自然语言类比推理基准测试
该文提出了一种可解释的基于知识的类比推理基准 (E-KAR),通过收集并手动注释民族公务员考试中的问题及备选答案来测试基于神经网络的类比问题回答和解释生成能力,结果表明该基准对于某些最先进的技术仍具有挑战性。
- IJCAI深度强化学习的抽象化
本文在深度强化学习的背景下对抽象问题进行了阐述,并探讨了 AI 和机器学习发展中的各种方法及其应用的难点。
- MM使用程序合成和归纳逻辑编程解决 Bongard 问题
本研究主要探讨使用 Dreamcoder 构建的程序是否可以用于类比推理,以解决某些 Bongard 问题,并使用归纳逻辑编程(ILP)学习抽象概念的可解释性理论。实验结果表明我们的系统可以解决此类问题,并指出改进的方向。