neurosymbolic-ai

本文提出一种神经符号推理的同伦类型论推广，该推广保留了对称性信息和证明多重性，表明当对称性平凡时该框架恢复经典推理，并产生可闭式计算的短路感知概念后验，在推理短路基准上获得实际改进。

本立场论文提出了TRISM框架，该框架将神经符号AI与LLMs和RAG相结合，以解决法律AI中的幻觉和可解释性问题，引入了RASOR RAG用于生成可解释的理由，并形式化了符号化法律知识库。

本文通过实现向量化、批处理和缓存来加速NeurASP神经符号AI框架，在较大任务上实现了多个数量级的提速。

本文对自然语言到一阶逻辑数据集FOLIO和MALLS进行了系统的人工审查，分别发现39%和36%的形式化错误。它发布了修正后的标准答案和一个辅助人工重标的LLM框架，该框架将审查工作量减少到少于24%的实例即可达到90%的准确率。

本文利用结构因果模型对二元道德理论进行了代数形式化，并展示了在AI政策设计中的应用。

本文介绍了 LANTERN，这是一个用于强化学习中多源神经符号迁移的框架，它利用大语言模型生成任务自动机，并结合自适应门控机制来提高样本效率。