arXiv · 17.06.2026 ·Машинное обучение

NeSyCat Torch: унификация нейросимвольных вычислений

Исследователи представили NeSyCat Torch — библиотеку для реализации нейросимвольных систем, объединяющую классические, нечеткие, вероятностные и нейронные подходы к логическому выводу. В основе проекта лежит единое индуктивное определение истины, которое позволяет работать с различными типами логических структур в рамках одного вычислительного графа.

Главным нововведением стала интеграция обучаемых предикатов и функций, реализованных через нейронные сети, в общую категориальную семантику. Ранее нейросимвольные фреймворки сталкивались с проблемой фрагментации, где каждый метод требовал специфических правил индукции. NeSyCat решает эту задачу, используя параметризацию через сильные монады и структуры агрегации значений истинности, что делает систему гибкой для широкого спектра задач.

Реализация на базе PyTorch обеспечивает дифференцируемость всех компонентов, позволяя обучать нейросимвольные модели методом обратного распространения ошибки. Это открывает возможности для создания систем, которые сочетают способность нейросетей к обработке неструктурированных данных с логической строгостью символьных вычислений, сохраняя при этом сквозную оптимизацию всей архитектуры.

Источник: arXiv

Похожие материалы

Engineering at Meta · Память и RAG SilverTorch: новый подход к рекомендательным системам Meta (признана экстремистской организацией, деятельность запрещена в РФ) представила SilverTorch — новую архитектуру для рекомендательных систем. Она объединяет все компоненты извлечения контента пользователей в единую структуру. По заявлению компании, SilverTorch демонстрирует до 23,7 раза более высокую пропускную способность по сравнению с лучшими существующими решениями. Hacker News · Инференс и железо Tensordyne оптимизирует вычисления для ИИ с помощью логарифмических операций Стартап Tensordyne представил подход к оптимизации вычислительных процессов для нейросетей, основанный на использовании логарифмической арифметики вместо стандартных операций с плавающей запятой. Традиционные вычисления, используемые в современных графических процессорах, требуют значительных затрат энергии и ресурсов при выполнении операций умножения, которые составляют основу работы трансформеров. arXiv · Исследования и наука Интерпретация механизмов внимания через синтез программ Исследователи представили новый метод интерпретации нейронных сетей, который позволяет заменить непрозрачные вычисления моделей на понятные человеку символьные описания. В центре внимания оказались механизмы внимания (attention heads) в трансформерах, которые традиционно считаются «черным ящиком» из-за сложности их внутренних операций. arXiv · Машинное обучение Исследование монотонных нейросетей на основе теоремы Колмогорова-Арнольда Учёные представили исследование монотонных нейросетей, основанных на теореме Колмогорова-Арнольда. Монотонность — это свойство, при котором выходные данные модели изменяются в одном направлении при изменении входных данных. Это важно в задачах, где такие зависимости известны заранее, например, в экономике или науке. arXiv · Инфраструктура для агентов Нейро-символический подход к синтезу стратегий для мультиагентных систем Исследователи предложили новый нейро-символический подход для синтеза стратегий в мультиагентных системах (MAS). Проблема заключается в высокой вычислительной стоимости проверки моделей стратегических возможностей, таких как ATL (Alternating-Time Temporal Logic). Авторы интегрировали большие языковые модели (LLM) в процесс проверки моделей, что позволяет значительно ускорить и улучшить синтез стратегий. arXiv · Машинное обучение Новый подход к моделированию динамических систем через явные структуры Исследователи представили альтернативный подход к обучению динамических систем, который отходит от использования универсальных нелинейных аппроксиматоров. Вместо наращивания сложности нейронных сетей для захвата сложных паттернов, авторы предлагают архитектуру, где моделирующая способность системы определяется её внутренней структурой. Такой метод позволяет эффективнее описывать поведение динамических процессов, опираясь на математически обоснованные взаимодействия, а не на избыточную нелинейность. Hacker News · Безопасность и алайнмент Фреймворк для верифицируемого анализа поведения ИИ Исследователи представили методологию для систематической проверки того, как именно нейросетевые модели приходят к своим выводам. Основная проблема современных систем заключается в их «черном ящике»: даже при правильных ответах процесс рассуждения остается непрозрачным. Новый подход предлагает использовать формализованные планы анализа, которые позволяют декомпозировать сложные задачи на проверяемые этапы. Hacker News · Машинное обучение Новый подход к законам масштабирования может изменить обучение ИИ-моделей Исследователи из Стэнфордского университета предложили новый подход к законам масштабирования, который может существенно повлиять на процесс обучения искусственных нейронных сетей. Традиционные законы масштабирования описывают, как увеличение размера модели и объёма данных влияет на её производительность. Однако новый метод позволяет более точно предсказывать, как изменения в архитектуре модели и данных повлияют на её точность и эффективность. arXiv · Машинное обучение OrthoReg: новый метод обучения гибридных нейросимвольных моделей Исследователи представили метод OrthoReg, направленный на улучшение обучения гибридных динамических систем. Такие системы объединяют классические механистические модели, основанные на физических законах, с гибкими нейронными сетями. Традиционный подход к их созданию сталкивается с противоречием: символьные модели обладают высокой интерпретируемостью, но часто слишком упрощают реальные процессы, тогда как нейросетевые методы обеспечивают точность, но остаются «черными ящиками» без физического обоснования. AI | VentureBeat · Разработка и инструменты NousCoder-14B: открытая модель для кодинга от Nous Research Nous Research, стартап в области открытого ИИ, поддержанный венчурной фирмой Paradigm, представил новую модель для программирования NousCoder-14B. Модель была обучена всего за четыре дня на 48 графических процессорах Nvidia B200 и демонстрирует конкурентоспособные результаты с более крупными проприетарными системами.

← Все материалы