Компьютерная наука > Искусственный интеллект [представлен 2 января 2026 (v1), последний пересмотренный вариант 15 сентября 2026 года (эта версия, v2)) Название: Agential Framework для Neuro-Symbolic Spegraphic View PDF HTML (экспериментальный) резюме: интеграция символических ограничений в модели глубокого обучения может сделать их более надежными, интерпретируемыми и эффективными с точки зрения данных. И все же эта задача по-прежнему требует много времени и является сложной. Существующие системы, такие как DomiKnowS помогают этой интеграции, обеспечивая высокоуровневый декларативный интерфейс программирования, но они все же предполагают, что пользователь хорошо разбирается в конкретных синтаксисах библиотеки. Мы предлагаем агенту Домику Знанию (ADS) устранить эту зависимость. ADS переводит описания задач в свободной форме на полную программу DomiKnowS с использованием агентского рабочего потока, который создает и испытывает каждый компонент DomiKNowS отдельно. Этот рабочий процесс поддерживает факультативное вмешательство человека в ход, что позволяет пользователям, знакомым с DomiKnowS, уточнять промежуточные результаты. Мы показываем, как ADS позволяет опытным пользователям DomiKnowS и непользователям создавать полные нейросимболические программы за 10-15 минут, тогда как ручная кодировка даже компонента DomiKNowS занимает час. Свяжитесь с UI по адресу https URL. История представления: Aliakbar Nafar [видение электронной почты] [v1] Fri, 2 января 2026 16:59:39 UTC (1 533…
Агентские рамки для нейро-символического программирования
arXiv: 2601.00743v2 Annuales Type: заменить резюме: Включение символических ограничений в модели глубокого обучения может сделать их более надежными, интерпретируемыми и эффективными с точки зрения данных. И все же эта задача по-прежнему требует много времени и является сложной. Существующие системы, такие как DomiKnowS помогают этой интеграции, обеспечивая высокоуровневый декларативный интерфейс программирования, но они все же предполагают, что пользователь хорошо разбирается в конкретных синтаксисах библиотеки. Мы предлагаем агенту Домику Знанию (ADS) устранить эту зависимость. ADS переводит описания задач в свободной форме на полную программу DomiKnowS с использованием агентского рабочего потока, который создает и испытывает каждый компонент DomiKNowS отдельно. Этот рабочий процесс поддерживает факультативное вмешательство человека в ход, что позволяет пользователям, знакомым с DomiKnowS, уточнять промежуточные результаты. Мы показываем, как ADS позволяет опытным пользователям DomiKnowS и непользователям создавать полные нейросимболические программы за 10-15 минут, тогда как ручная кодировка даже компонента DomiKNowS занимает час. Acc