论指针网络在深度演绎推理中的能力

构建能够学会推理的神经网络的重要性已在神经-符号社区中得到充分认可。在本文中，我们应用神经指针网络在符号知识库上进行推理。在此过程中，我们探讨了编码器-解码器架构总体而言以及指针网络具体而言在开发准确、可泛化且鲁棒的神经-符号推理器方面的优势与局限。基于我们的实验结果，指针网络在多个推理任务上表现极为出色，同时以显著优势超越先前报道的最优水平。我们观察到，即便面对从未见过的定义域/词汇表知识图，指针网络仍保持其性能。据我们所知，这是首个使用指针网络进行神经-符号推理的研究。我们希望在这些推理问题上令人印象深刻的成果能鼓励更广泛地探索指针网络在更复杂逻辑及其他神经-符号问题上的推理能力。