基于图着色的神经符号快速与缓慢体系结构
人工智能
2025-09-30 v2 计算与语言
摘要
约束满足问题(CSP)因其复杂的约束和对精确解的需求而给人工智能带来重大挑战。现有的符号求解器往往较慢，此前的研究表明仅凭大语言模型(LLM)难以应对CSP的复杂性。为弥合这一差距，我们基于现有的SOFAI体系结构(SOFAI_v1)进行了构建，该体系结构将Daniel Kahneman的"思考，快速与缓慢"认知模型应用于AI。我们提升的体系结构SOFAI_v2整合了精炼的元认知治理机制，以提高其在复杂领域中的适应性，特别针对图着色问题（CSP的一种类型）进行了优化。SOFAI_v2结合了快速系统1(S1)，利用LLM，以及由元认知模块控制的深思熟虑系统2(S2)。S1的初始解常因约束遵循问题而受限，通过来自元认知的针对性反馈和示例进行改进，使S1更贴合CSP要求。如果S1未能解决问题，元认知会战略性地调用S2，确保准确可靠的解。我们的实证结果表明，SOFAI_v2在解决图着色问题方面的成功率提高了10.5%，比传统符号求解器快至30%。
引用
@article{arxiv.2412.01752,
title = {A Neurosymbolic Fast and Slow Architecture for Graph Coloring},
author = {Vedant Khandelwal and Vishal Pallagani and Biplav Srivastava and Francesca Rossi},
journal= {arXiv preprint arXiv:2412.01752},
year = {2025}
}
备注
31 Pages, 18 Figures, 3 Tables