关键词knowledge representation and reasoning
搜索结果 - 5
- 知识表达与推理的现在与未来挑战
知识表示与推理是人工智能领域一个核心、长期存在且活跃的领域。近年来，它在机器学习和不确定性推理等研究方面受到了挑战和补充。我们基于 Dagstuhl 工作坊的演示、专题讨论、工作小组和讨论制定了这份宣言，以阐述该领域的现状、与其他领域的关系 - 规则与动作的知识编纂
本文介绍了一种基于自然语言的知识选拔和推理方法 ——KALMRA，并且证明了它的有效性和适用性，同时用 ChatGPT 作为例子展示了 KALMRA 的逻辑推理能力。
- 知识表示与推理的强化学习：简要综述
该文综述了利用知识表示与推理方法在强化学习中更抽象表现和更有效学习的领域中取得的进展和应用，并讨论了未来在此领域中需要解决的挑战和可能的方向。
- MM通过多跳英文问题查询知识
本文介绍了一种基于控制语言 CNL 的知识编写和查询方法，通过对 KALM 系统的扩展，提出了可以回答更复杂问题的 KALM-QA，并与机器学习方法进行了对比，结果表明 KALM-QA 在回答电影相关问题方面能够达到 100% 的准确率。
- 一个便于应用嵌入 Answer Set Programming 的开发框架
该研究论文介绍了一种将 Answer Set Programming（ASP）的知识表示和推理能力整合到通用应用程序中的框架，并且展示了在不同平台的 ASP 系统中，特定化该框架的正确方法，包括移动平台和教育场景，并开发了几个基于 ASP