标签
本文针对MeMo架构提出了版本感知操作与事务存储器，使得知识变化时能够直接编辑显式关联矩阵存储器，而无需重新训练整个模型。
本文提出了一种两阶段的神经符号框架，利用弱监督（仅需 1% 的标签）结合基于 Slot 的变分自编码器（VAE），学习用于以对象为中心的视觉推理的可解释符号，在领域泛化方面优于基础模型。
本文提出了一种利用2.5维分解的神经符号流水线，通过将垂直坐标计算卸载至确定性执行器，提高了基于大语言模型的空间构建准确性，在基准测试和边缘硬件上均实现了高精度。
本文介绍了 SHARP，这是一种面向金融交易代理的神经符号框架，通过结构化的、可人工审核的规则进行策略优化，从而在嘈杂的市场环境中提升鲁棒性和透明度。