Temporal Reasoning Is Not the Bottleneck: A Probabilistic Inconsistency Framework for Neuro-Symbolic QA
本文挑战了时间推理是大语言模型主要瓶颈的观点,转而提出失败源于非结构化的文本到事件表示,并引入一种带有概率不一致信号的神经符号框架,通过将语义提取与符号推理解耦,在基准测试中实现了完美准确率。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
1226 篇论文已由作者审阅 · 1001–1010 / 1226
本文挑战了时间推理是大语言模型主要瓶颈的观点,转而提出失败源于非结构化的文本到事件表示,并引入一种带有概率不一致信号的神经符号框架,通过将语义提取与符号推理解耦,在基准测试中实现了完美准确率。
本文提出了一种可迁移的图神经网络框架,该框架能够直接从分子几何结构预测优化的分子轨道系数,通过显著降低经典预处理开销并改善更大规模氢体系的收敛性,实现了无需重新训练即可可扩展地加速变分量子本征求解器工作流程。
本文表明,将出声思维轨迹纳入自动化认知模型发现过程,可显著提升预测性能,并使识别出的模型结构转向更整合的效用机制,从而揭示出仅凭行为数据无法还原的认知过程。
本文证明,在爱因斯坦宇宙中,共形耦合()是确保无质量标量场在所有温度和半径下均具有热力学稳定性的唯一参数值,同时表明电磁辐射和中微子辐射的存在要求至少存在一个标量场以维持稳定性。
通过对 NGSIM 数据集中超过一百万次跟车观测的分析,本研究表明,减速强度决定了驾驶员在制动决策中是优先关注间距闭合速率还是视觉逼近效应,从而使传统的间距车头时距变得无关紧要,进而对传统驾驶员行为模型提出挑战,并为自动驾驶车辆控制提供了关键见解。
本文介绍了 Jordan-RoPE,这是一种非半单相对位置编码,它利用复若尔当块生成振荡多项式特征以建模距离调制的相位交互,并在某些情境下展现出相较于标准 RoPE 和 ALiBi 基线的结构优势及具体性能提升。
本文利用无限 型高斯轨道推导出布洛赫态贝里相位的解析表达式,以建立扎克相位本征值与模对称性之间的对应关系,从而实现对如空间群 等非中心对称晶体材料中拓扑性质的识别。
本文通过显式建模张量运算,提出了一种用于分析和构建深度神经网络的统一理论框架,揭示了架构复杂度与突破性进展之间的历史关联,同时识别并发布了一个包含 3000 多种未探索的高复杂度架构的数据集。
本文通过用相型分布近似停留时间以实现灵活的似然计算,为间歇性观测数据引入了一种实用的半马尔可夫建模框架,并提供了一个新的 R 包"msmbayes",通过贝叶斯或最大似然估计来实现该方法。
本文提出了一种自洽的准线性理论,证明非热幂律分布与太阳日冕的温度反转是相互关联的现象,它们源于电磁驱动的粒子加速和德拜屏蔽,这些机制在多组分动力学等离子体中自然产生普遍的高能尾部以及由速度过滤驱动的加热效应。