面向答案集编程的神经决策传播
人工智能
2026-05-05 v1
摘要
答案集编程（ASP）与神经网络集成已成为神经符号 AI 中的热门工具。虽然现有方法扩展了 ASP 应用于现实领域的能力，但其推理管道依赖经典求解器，这是可扩展性的瓶颈。为解决此问题，本文提出一种新方法计算稳定模型，称为决策传播（DProp），它交替进行否定决策与真值传播。我们展示，成功的 DProp 计算捕获了稳定模型语义。随后，我们发展出神经 DProp（NDProp），DProp 的可微扩展，集神经计算于决策、模糊评估于传播于一体。我们评估了 NDProp 学习决策启发式以及神经符号集成的能力，并与现有神经符号方法进行比较。结果表明，NDProp 能够高效计算稳定模型，在神经符号基准测试中提升了准确率和可扩展性。
引用
@article{arxiv.2605.01797,
title = {Neural Decision-Propagation for Answer Set Programming},
author = {Thomas Eiter and Katsumi Inoue and Sota Moriyama},
journal= {arXiv preprint arXiv:2605.01797},
year = {2026}
}