SymSeqBench：基于规则的符号序列和数据集生成与分析统一框架
无序系统与神经网络
2026-01-01 v1
摘要
序列结构是自然认知和行为的多个领域的关键特征，如语言、运动和决策。同样，它也是我们希望将人工智能应用于的任务的核心属性。因此，开发能够以领域无关方式评估序列学习和处理能力，同时提供计算理论和可计算性理论联系的框架具有至关重要。为此，我们引入了两个互补的软件工具：SymSeq 用于严格生成和分析结构化符号序列的工具，SeqBench 用于评估人工学习系统在认知相关领域中处理规则序列任务性能的全面基准套件。综合而言，SymSeqBench 在 diverse knowledge domains（包括实验心理语言学、认知心理学、行为分析、神经形态计算和人工智能）中调查顺序结构提供了灵活性。由于其基于形式语言理论 (FLT) 的基础，SymSeqBench 为多个领域的研究者提供了便利且实用的方式，将 FLT 的概念应用于概念化和标准化实验，从而通过共享的计算框架和形式化方法来深化我们对认知和行为的理解。该工具模块化、开放且可被研究社区使用。
引用
@article{arxiv.2512.24976,
title = {Graphicality of power-law and double power-law degree sequences},
author = {Pietro Valigi and M. Ángeles Serrano and Claudio Castellano and Lorenzo Cirigliano},
journal= {arXiv preprint arXiv:2512.24976},
year = {2026}
}
备注
16 pages, 7 figures