基于神经符号程序综合与任务生成的抽象推理问题求解
人工智能
2024-10-08 v1 符号计算
摘要
能够进行抽象思考和类比推理是快速适应新情况、解决新遇到的问题、分解问题并综合知识以解决问题的前提条件。我们提出了 TransCoder 方法，用于基于神经程序综合解决抽象问题，并对该架构生成模块所做决策进行了全面分析。TransCoder 的核心是一种带类型的数据专用语言，旨在促进特征工程和抽象推理。在训练过程中，我们使用未能解决任务的程序生成新任务并收集到合成数据集中。由于每道合成任务都有一个已知的关联程序（解决方案），模型在监督模式下对其进行训练。解决方案以透明的程序形式表示，可被检查和验证。我们使用抽象推理语料库数据集演示了 TransCoder 的性能，该框架生成数万个带相应解决方案的合成问题，并促进了系统性学习进展。
引用
@article{arxiv.2410.04480,
title = {Learning to Solve Abstract Reasoning Problems with Neurosymbolic Program Synthesis and Task Generation},
author = {Jakub Bednarek and Krzysztof Krawiec},
journal= {arXiv preprint arXiv:2410.04480},
year = {2024}
}
备注
18th International Conference on Neural-Symbolic Learning and Reasoning