论文提出 DRA 合成与鲁棒性检查框架，并用作神经序列分类器的可解释替代。
资讯摘要
论文研究有序数据序列上确定性寄存器自动机（DRA）的合成与验证，提出局部搜索合成流程与精确鲁棒性检查器。检查器在寄存器数固定时以多项式时间运行，对寄存器数的依赖为指数级，并将鲁棒性归约为覆盖性再归约为最短路问题。作者将其用于神经序列分类器的可解释替代模型，并用 PAC 验证循环提供保真度与局部稳定性的统计保证，在 RAExc 中实现并在基准语言与序列化 MNIST 上评估。
要点速读
- 论文提出针对有序数据序列上 DRA 的局部搜索合成方法与精确鲁棒性检查器，字母表理论固定为有序有理数 (Q;<,=)。
- 检查器在寄存器数固定时多项式时间运行，对寄存器数的依赖为指数级；鲁棒性被归约为覆盖性，再归约为最短路问题。
- 作者将学习到的 DRA 用作神经序列分类器的可解释替代模型，PAC 验证循环可返回真实的非鲁棒性见证，并在基准语言与序列化 MNIST 上评估。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。