DIRCR：用于解答 RAVENs 的 Dual-Inference Rule-Contrastive Reasoning
人工智能
2026-04-21 v1
摘要
抽象视觉推理仍然具有挑战性，因为现有方法常常只关注全局上下文或局部的行间关系，无法整合两者，缺乏中间特征约束，导致规则捕获不完整和表征混合。为此，本文提出了 Dual-Inference Rule-Contrastive Reasoning (DIRCR) 模型。其核心组件 Dual-Inference Reasoning Module 将一个用于行间类比推理的局部路径与一个用于整体推理的全局路径通过门控注意力机制集成。此外，Rule-Contrastive Learning Module 引入伪标签来构建正负规则样本，应用对比学习以增强特征可分性并促进抽象、可迁移的规则学习。在三个 RAVEN 数据集上的实验结果表明，DIRCR 显著增强了推理鲁棒性和泛化能力。代码可在 https://github.com/csZack-Zhang/DIRCR 查看。
引用
@article{arxiv.2604.17584,
title = {DIRCR: Dual-Inference Rule-Contrastive Reasoning for Solving RAVENs},
author = {Jiachen Zhang and Chengtai Li and Jianfeng Ren and Linlin Shen and Zheng Lu and Ruibin Bai},
journal= {arXiv preprint arXiv:2604.17584},
year = {2026}
}
备注
Accepted By ICASSP 2026