标签
介绍了PrologMCP，这是一个开源服务器，通过模型上下文协议（MCP）将Prolog暴露为有状态工具，使LLM代理能够将推理委托给符号求解器。评估表明，在前沿推理LLM中，该工具在演绎推理任务上具有竞争力或更高的准确性。
本文提出正交子空间雕刻（OSC），一种新颖的记忆架构，通过将填充物投影到角色基的零空间上，在恒定内存占用下实现深度递归绑定，克服了张量积表示的指数级扩展问题。
MAVEN 是一种轻量级符号推理框架，通过模块化验证和自适应工具编排，提升了智能体工具调用的泛化能力。它在新的压力测试基准 MAVEN-Bench 上取得了显著的准确率提升，并且以极低的成本与专有模型保持竞争力。
本文提出一种符号框架，利用本体、语义分析（AMR）和推理，将脱敏的警方叙述转化为证据关联的事实，从而能够对通常仅存在于自由文本中的事件细节进行结构化查询。
提出了BISON系统，该系统将学习到的低层神经策略与高层符号规划相结合，用于长时域具身任务，展现了强大的泛化能力和效率。
本文介绍了神经规则归纳器（NRI），这是一种用于零样本逻辑规则归纳的基础模型，它利用与领域无关的统计特性，无需重新训练即可跨任务进行泛化。