PulseAugur
中
实时 07:52:51
English(EN) COCOLogic-V2: Identifying Logical Inconsistencies via Truly Hard-Negatives

新的COCOLogic-V2数据集推动了AI视觉归纳推理能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了COCOLogic-V2，一个旨在提升AI模型视觉归纳推理能力的新数据集。该数据集专注于以物体为中心的真实世界图像，并涵盖了很大一部分一阶逻辑，目标是超越通常用于评估可解释模型（如概念瓶颈模型和程序合成方法）的简单任务。使用COCOLogic-V2进行的评估显示，当前模型难以处理接近边界的负样本，凸显了视觉归纳推理仍然是一个持续的挑战。 AI

影响 该数据集可能催生出更强大的AI模型，使其能够进行复杂的视觉推理和逻辑推断。

排序理由 该集群描述了在arXiv上发布的新学术数据集和论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的COCOLogic-V2数据集推动了AI视觉归纳推理能力

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · David Steinmann, Antonia W\"ust, Kristian Kersting, Wolfgang Stammer ·

    COCOLogic-V2: Identifying Logical Inconsistencies via Truly Hard-Negatives

    arXiv:2606.28194v1 Announce Type: new Abstract: While interpretable models such as concept bottleneck models (CBMs) and program synthesis methods enable verification of model decisions, their evaluation is typically limited to simple tasks, leaving complex reasoning on real-world…

  2. arXiv cs.LG TIER_1 English(EN) · Wolfgang Stammer ·

    COCOLogic-V2：通过真正困难的负样本识别逻辑不一致性

    While interpretable models such as concept bottleneck models (CBMs) and program synthesis methods enable verification of model decisions, their evaluation is typically limited to simple tasks, leaving complex reasoning on real-world images largely unexplored. We introduce COCOLog…

相关实体

相关话题