High Quality Embeddings for Horn Logic Reasoning

Dieser Artikel stellt neue Ansätze zur Erstellung hochwertiger Embeddings für logische Aussagen vor, die für das Training neuronaler Netze zur effizienten Bewertung von Entscheidungen logischer Schlussfolgerer entscheidend sind. Diese Methoden umfassen die Generierung von Ankern mit wiederholten Begriffen, die Ausbalancierung einfacher, mittlerer und schwerer Beispiele für das Triplet-Loss-Training sowie die periodische Betonung der schwierigsten Beispiele.