PulseAugur
中
实时 19:53:44
实体 first-order logic

first-order logic

PulseAugur coverage of first-order logic — every cluster mentioning first-order logic across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 13
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 12
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 13 条
  1. TOOL · CL_340169 ·

    新的法语数据集FOLLIE将句子与一阶逻辑关联,用于自然语言推理

    研究人员推出了FOLLIE,这是一个旨在将法语句子与其一阶逻辑表示联系起来,用于自动化自然语言推理的新数据集。该资源包含近20,000条推理记录和超过36,000条句子到公式的映射,这些映射是使用带有LLM辅助的神经符号管道生成的。使用FOLLIE进行的实验证明了推导覆盖率的显著提高,并且基于该数据集构建的自动推理引擎在各种法语自然语言推理任务上实现了65%到71%的准确率。

  2. TOOL · CL_321734 ·

    新的LGMT工具揭示了大型语言模型中显著的逻辑推理不一致性

    一款名为LGMT的新型开源工具已被开发出来,用于测试大型语言模型(LLMs)的逻辑推理一致性。LGMT通过生成逻辑上等价的查询重述并检查LLM是否提供一致的答案来识别不一致之处。在对六个LLMs的测试中,LGMT揭示了20.84%至29.44%之间不一致的比例。该工具可在GitHub上获取,包含20个内置的变质关系,并支持由Z3定理证明器验证的自定义关系。

  3. TOOL · CL_300551 ·

    新的神经符号图Transformer增强了人机意图识别能力

    研究人员开发了一种神经符号图Transformer(NSGT),旨在提高人机协作中的分层意图识别能力。这种新架构将人类推理图(HR-G)集成到其自注意力机制中,并使用可微分的一阶逻辑(FOL)损失来强制执行多层次意图的本体一致性。在源自NTU RGB+D 120的合成数据集上进行的评估表明,NSGT实现了91.65%的Top-1动作准确率,在使用FOL损失后提高到96.67%。该模型还展示了准确率和结构一致性之间的可调权衡,在保持稳健…

  4. TOOL · CL_289488 ·

    新论文定义了将LLM自动形式化为一阶逻辑

    一篇新的arXiv论文提出了一个统一的定义,用于将自然语言自动形式化为一阶逻辑(FOL)的任务。该研究区分了本体提取和逻辑翻译,并强调了它们的混淆如何使评估复杂化。论文还回顾了现有的数据集、指标和基于LLM的方法,同时确定了基准测试、语义评估和端到端应用中的关键挑战。

  5. RESEARCH · CL_233392 ·

    新本体旨在解决人机对话中的矛盾

    研究人员正在开发一种名为ATFOt(基于活动理论的基石本体)的基石本体,以形式化地表示和识别对话式人机交互中的矛盾。该本体基于活动理论和METHONTOLOGY的概念构建,旨在创建一个可应用于各种人机和人机交互领域的计算框架。初步成果包括对话和矛盾的自然语言和集合论定义,以及一阶逻辑公式和指导人机对话的新原则。

  6. TOOL · CL_210386 ·

    新框架将 RDF 与微分动态逻辑集成到 AI 系统中

    研究人员开发了 RDFdL,一个结合了资源描述框架 (RDF) 和微分动态逻辑 (dL) 的新颖框架。这种集成旨在弥合表示和推理静态知识以及物理系统的连续动态之间的差距,这对于 AI 驱动的网络物理系统至关重要。通过将微分方程和状态空间范围转换为 RDF 和 SHACL,RDFdL 使得 dL 的验证结果可以用作 RDF 数据上 SPARQL 查询的蕴涵。该框架已使用 Apache Jena 进行 RDF 推理,并使用 KeYmaer…

  7. RESEARCH · CL_194188 ·

    webAI 发布 TwIL-LM 形式逻辑模型,用于本地自动形式化

    webAI 推出了 TwIL-LM,这是一个包含 1.7B 和 3B 参数两种规格的形式逻辑模型家族。这些模型专为自动形式化而设计,能够将英语翻译成一阶逻辑并验证结论。这两个模型都可以在消费级硬件上本地运行,其中 3B 模型所需的 VRAM 或 CPU 资源极少。此次发布强调了效率,3B 模型在速度和生成长度方面优于更大的模型,但在整体形式逻辑准确性方面略逊于一个 120B 参数的模型。

  8. RESEARCH · CL_115263 ·

    新的COCOLogic-V2数据集推动了AI视觉归纳推理能力

    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。

  9. TOOL · CL_107970 ·

    马尔可夫逻辑网络对一阶逻辑展现出0-1律

    研究人员证明了当领域权重按1/n缩放时,马尔可夫逻辑网络(MLNs)中的一阶逻辑存在0-1律。这意味着随着领域规模的增加,任何一阶句子的成立概率都将趋近于0或1,与权重无关。如果不进行这种缩放,行为将更加复杂,会出现7种不同的情况,具体取决于特定权重,可能导致渐近概率的相变。研究结果对大规模推理具有积极意义。

  10. TOOL · CL_56553 ·

    新的CPPO方法增强了视觉语言模型代理的视觉感知能力

    研究人员开发了CPPO,一种新颖的对比感知策略优化方法,旨在增强视觉语言模型(VLM)作为代理时的能力。这种自监督方法将对比感知损失(CPL)直接整合到强化学习目标中,提高了模型对视觉输入的敏感度,而无需外部裁判或标注。CPPO使用熵移机制来识别并将此对比信号选择性地应用于感知令牌,从而实现更高效的训练和在感知关键型代理任务上更好的性能。

  11. RESEARCH · CL_53559 ·

    新的CPPO方法通过探索多种策略来提升代码生成能力

    研究人员推出了一种名为协调Pass@K策略优化(CPPO)的新方法,通过同时探索多种不同的算法策略来增强代码生成能力。与抽取独立样本的标准方法不同,CPPO训练一个联合策略,其中规划器提出$K=4$个备选方法,共享求解器尝试为每个方法找到解决方案。这种协调探索在APPS、CodeContests和LiveCodeBench-v6等多个基准测试中,显著提高了pass@K指标。

  12. TOOL · CL_48713 ·

    深度同态网络在关系数据库上展现表达能力

    研究人员引入了深度同态网络(DHNs)作为一种强大的学习关系数据库的架构,并将其与SQL片段进行类比。他们的研究将DHNs与各种一阶逻辑的扩展联系起来,包括带有计数和比例量词的扩展。这些发现也阐明了DHNs静态分析问题的可判定性,并通过实验结果支持了这些发现,实验结果显示了与其表达能力相符的性能差异。

  13. TOOL · CL_38302 ·

    新框架将一阶逻辑翻译成自然句子

    研究人员开发了FOL2NS,一个将一阶逻辑公式转换为自然语言句子的神经符号框架。该系统旨在处理具有不同量词深度的复杂、深度嵌套的逻辑结构,而这些结构在现有数据集中常常被忽视。虽然FOL2NS在生成多样化和流畅的陈述方面表现出色,但随着逻辑输入复杂性的增加,它在保持精确的语义准确性和自然性方面遇到了困难。