论文用软本体先验约束潜在概念，缓解推理捷径
资讯摘要
论文针对弱监督神经符号预测器中的推理捷径问题，提出在训练目标中注入潜在概念的软本体先验，并与任务约束一起编译为平滑可分解的概率电路。作者报告，在独立伯努利感知下，结构化概念后验的归一化项可化为与电路规模线性的加权模型计数；软编译把专家公理放入电路权重而非支撑集，使噪声公理只重新分配先验质量。论文在BDD-OIA驾驶基准的六概念视图和受控任务上验证了这些预测。
要点速读
- 论文指出仅用任务标签监督的神经符号预测器存在推理捷径，概念映射不可辨识
- 方法将软本体先验与任务约束编译为平滑可分解的概率电路，并给出归一化项与电路规模线性的分析
- 作者报告在BDD-OIA六概念视图和受控神经符号任务上验证了理论预测
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 2026/10/24 08:00:37（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。