PulseAugur
中
实时 05:41:39
English(EN) Data-driven Machine Learning Cannot Reach Symbolic-level Logical Reasoning -- The Limit of the Scaling Law

论文：数据驱动的机器学习无法达到符号推理的严谨性

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文认为，即使经过广泛训练，数据驱动的机器学习也无法达到与传统符号系统相同的符号逻辑推理水平。研究强调了两个关键限制：训练数据无法涵盖所有有效的推理类型，以及模式识别和逻辑推理的端到端映射固有的矛盾。对 Euler Net 的实验以及对 ChatGPT GPT-5 的评估表明，尽管模型可能达到高精度，但其底层的推理过程可能不如符号方法严谨。 AI

影响 表明当前机器学习方法在需要严谨符号逻辑的任务上存在根本性限制，可能影响人工智能执行复杂推理任务的能力。

排序理由 关于机器学习在逻辑推理方面的理论和实验局限性的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

论文：数据驱动的机器学习无法达到符号推理的严谨性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tiansi Dong, Mateja Jamnik, Pietro Li\`o ·

    数据驱动的机器学习无法达到符号级逻辑推理——缩放定律的极限

    arXiv:2606.26454v1 Announce Type: new Abstract: Sphere neural networks have achieved symbolic level syllogistic reasoning without training data, raising the question of where the limit of the scaling law for logical reasoning lies, i.e., whether data-driven machine learning syste…

相关实体

相关话题