arXiv เผย 9 งานวิจัย Neuro-Symbolic AI เน้นแก้ reasoning และ compositionality

มีงานวิจัยใหม่จาก arXiv หลายชิ้นที่พยายามแก้จุดอ่อนของ neural network โดยเฉพาะเรื่อง reasoning และ compositional generalization ด้วยแนวทาง neuro-symbolic ที่ผสม neural learning กับ symbolic logic งานเด่นๆ เช่น การใช้ probability กับ intensional logic เพื่อจัดการกับ unknown sentences, การ integrate answer set programming กับ energy based models สำหรับ joint optimization, และการวิเคราะห์ reasoning shortcuts ที่ทำให้ระบบ neuro-symbolic เรียนรู้ constraint โดยไม่เข้าใจ concept จริงๆ นอกจากนี้ยังมีงานที่เสนอ OPT* สำหรับ optimization-like reasoning ใน LLM, NSI สำหรับ skill induction แบบ logic-grounded, และ VeriSimpl ที่ใช้ simplification-based verification แปลง natural language เป็น optimization formulation โดยรวมแล้ววงการกำลังหาทางทำให้ AI reasoning แข็งแรงขึ้นและตีความได้มากขึ้น