Обучение перспективным логистическим программам с функциональными модификациями языка, направленного по скользящему курсу

arXiv: 261.10.12303v1 Annuate Type: New Humber Abstract: Declarative Loginic Programs предлагает мощную и интерпретируемую абстракцию для кодирования реляционной структуры и нейросимболических рассуждений путем выражения зависимостей в качестве взвешенных правил состава. Вместе с тем их использование в качестве источника данных по-прежнему остается крайне сложным, что обусловлено комбинированным взрывом символических поисковых помещений. Недавно МММ стали мощными гипотетическими генераторами, но при их использовании в изоляции они не имеют возможности систематически проводить индуктивные рассуждения, необходимые для надежного синтеза обоснованных программ, которые соответствуют сложным реляционным распределениям. Мы введем ухват (Градиентно-бустное синтезирование вероятностей логичных программ), нейросимболические рамки, которые описывают реляционную структуру обучения как функциональное повышение градиента, при котором слабый ученик является правилом первого порядка и неразрешимый внутренний поиск делегирован на предложение LLM. Мы оцениваем наличие четырех относительной базы, охватывающей прогноз молекулярной токсичностиi