Neuro-symbolic AI

17 items

ARTICLEDEV.to AI·23/04/2026

Adaptive Neuro-Symbolic Planning for planetary geology survey missions for extreme data sparsity scenarios

Este conteúdo explora as limitações de sistemas de planejamento tradicionais e abordagens puramente neurais para navegação autônoma de rovers em missões de levantamento geológico planetário com escassez extrema de dados. A autora encontrou no raciocínio neuro-simbólico uma solução híbrida, combinando o reconhecimento de padrões de redes neurais com o rigor lógico do raciocínio simbólico.

Planning Space Exploration robotics Neuro-symbolic AI

RESEARCHarXiv CS.CL·08/05/2026

ReaComp: Compiling LLM Reasoning into Symbolic Solvers for Efficient Program Synthesis

O ReaComp compila o raciocínio de LLMs em resolvedores simbólicos para síntese de programas, abordando a ineficiência e falta de confiabilidade das LLMs em tarefas difíceis. Esses resolvedores autônomos superam as LLMs em precisão e eficiência, e melhoram as configurações híbridas neuro-simbólicas, reduzindo significativamente o uso de tokens.

program synthesis LLMs Symbolic AI AI Efficiency

RESEARCHDEV.to AI·14/04/2026

Adaptive Neuro-Symbolic Planning for deep-sea exploration habitat design in hybrid quantum-classical pipelines

Um agente de reinforcement learning falhou ao otimizar um projeto de habitat subaquático, criando uma estrutura fisicamente impossível devido à flexibilidade das restrições simbólicas. Este incidente demonstrou as limitações da IA sub-simbólica pura para designs críticos, impulsionando a pesquisa em planejamento neuro-simbólico adaptativo.

AI limitations Habitat Design reinforcement learning Deep-sea exploration

RESEARCHarXiv CS.AI·07/05/2026

Temporal Reasoning Is Not the Bottleneck: A Probabilistic Inconsistency Framework for Neuro-Symbolic QA

Este artigo de pesquisa argumenta que o gargalo no raciocínio temporal de grandes modelos de linguagem não reside na dedução lógica, mas sim na representação não estruturada de texto para evento. Ele introduz uma estrutura neuro-simbólica de perguntas e respostas que usa um Sinal de Inconsistência Probabilística (PIS) para dissociar a extração semântica do raciocínio simbólico.

LLMs temporal reasoning Question Answering Neuro-symbolic AI

RESEARCHarXiv CS.AI·06/04/2026

Compositional Neuro-Symbolic Reasoning

O título refere-se à pesquisa sobre raciocínio neuro-simbólico composicional, uma área avançada da inteligência artificial. Este campo explora a integração de redes neurais com sistemas simbólicos para permitir raciocínio mais robusto e estruturado.

Compositionality Reasoning Neuro-symbolic AI

RESEARCHarXiv CS.AI·22/04/2026

From Natural Language to Executable Narsese: A Neuro-Symbolic Benchmark and Pipeline for Reasoning with NARS

Este artigo introduz uma estrutura neuro-simbólica para traduzir problemas de raciocínio em linguagem natural para Narsese executável, utilizando lógica de primeira ordem. Apresenta o NARS-Reasoning-v0.1, um novo benchmark com problemas de raciocínio e suas representações formais e rótulos de verdade para avaliar capacidades de raciocínio.

LLMs Reasoning Benchmarks Neuro-symbolic AI

RESEARCHarXiv CS.AI·07/05/2026

ANDRE: An Attention-based Neuro-symbolic Differentiable Rule Extractor

Este artigo apresenta ANDRE, um novo framework de Programação Lógica Indutiva (ILP) baseado em atenção, que aprende programas de lógica de primeira ordem. Ele otimiza um espaço contínuo de regras com operadores lógicos diferenciáveis e baseados em atenção, abordando desafios de escalabilidade em ambientes ruidosos e probabilísticos.

machine learning attention mechanisms Logic Programming Inductive Logic Programming

RESEARCHarXiv CS.AI·30/04/2026

Grounding vs. Compositionality: On the Non-Complementarity of Reasoning in Neuro-Symbolic Systems

Este trabalho desafia a suposição de que o raciocínio composicional emerge como subproduto da fundamentação simbólica em IA neuro-simbólica. Introduzindo a arquitetura $i$LTN, demonstra-se que modelos treinados apenas com um objetivo de fundamentação falham em generalizar, enquanto o treinamento conjunto com fundamentação perceptual e raciocínio multi-etapa é crucial.

Compositional Generalization Reasoning AI Architectures Symbol Grounding

RESEARCHarXiv CS.CL·27/04/2026

Incentivizing Neuro-symbolic Language-based Reasoning in VLMs via Reinforcement Learning

Este trabalho explora o raciocínio em linguagem neuro-simbólica em VLMs, utilizando Aprendizado por Reforço para aprimorar habilidades analíticas e eficiência. Conseguiu um aumento de 3,33% na precisão em um dataset de visão-linguagem e uma redução de 75% nos tokens de raciocínio.

Vision-Language Models reinforcement learning Reasoning Neuro-symbolic AI

RESEARCHarXiv CS.LG·22d atrás

Logical Grammar Induction via Graph Kolmogorov Complexity: A Neuro-Symbolic Framework for Self-Healing Clinical Data Integrity

Este artigo apresenta Logic-GNN, uma estrutura neuro-simbólica que usa Redes Neurais Gráficas Temporais e Complexidade de Kolmogorov para detectar erros de entrada de dados em registros clínicos. Ele identifica anomalias como "violações gramaticais" em uma gramática lógica latente de interações médicas, alcançando um F1-score de 0.94.

Anomaly Detection data integrity Graph Neural Networks healthcare AI

RESEARCHarXiv CS.CL·20d atrás

ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking

ReacTOD propõe uma arquitetura neuro-simbólica para sistemas de diálogo orientados a tarefas, reformulando NLU como chamadas de ferramentas discretas. Ele usa um loop ReAct autocorrector e validação determinística para melhorar a precisão em até 9,3 pontos percentuais e corrigir 93,1% dos erros.

AI architecture machine learning dialogue systems Natural Language Understanding

RESEARCHarXiv CS.AI·8d atrás

PhyDrawGen: Physically Grounded Diagram Generation from Natural Language

PhyDrawGen é um pipeline neuro-simbólico que gera diagramas físicos precisos a partir de texto, superando modelos existentes na adesão às leis físicas. Ele utiliza um LLM para extração de grafo de cena e um resolvedor determinístico para satisfazer restrições físicas e geométricas.

Diagram Generation Physics AI large language models

RESEARCHarXiv CS.AI·06/04/2026

Aligning Progress and Feasibility: A Neuro-Symbolic Dual Memory Framework for Long-Horizon LLM Agents

O título sugere uma pesquisa sobre um framework neuro-simbólico de memória dupla para agentes LLM, visando alinhar progresso e viabilidade em tarefas de longo horizonte. Ele aborda a melhoria da capacidade de agentes de IA para planejar e executar ações complexas ao longo do tempo.

memory architectures LLMs LLM Agents Neuro-Simbólico

RESEARCHarXiv CS.AI·06/04/2026

AIVV: Neuro-Symbolic LLM Agent-Integrated Verification and Validation for Trustworthy Autonomous Systems

Este título descreve uma pesquisa focada na verificação e validação de sistemas autônomos confiáveis, utilizando uma abordagem neuro-simbólica integrada a agentes LLM. O objetivo é garantir a robustez e a segurança de sistemas de IA avançados.

LLM Agents Autonomous systems Verification and Validation trustworthy AI

RESEARCHarXiv CS.AI·23/04/2026

EvoForest: A Novel Machine-Learning Paradigm via Open-Ended Evolution of Computational Graphs

EvoForest apresenta um novo sistema neuro-simbólico para a evolução aberta de computação, superando as limitações da otimização de parâmetros tradicional. Ele coevolui estruturas computacionais, famílias de funções e componentes treináveis para resolver problemas complexos de predição estruturada.

computational graphs machine learning Evolutionary Algorithms Neuro-symbolic AI

RESEARCHarXiv CS.AI·21d atrás

ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning

ANNEAL é um agente neuro-simbólico que repara falhas recorrentes de agentes LLM através de edições simbólicas governadas de um grafo de conhecimento de processo. Ele localiza o operador responsável, sintetiza um patch tipado e o valida com proteções simbólicas e testes canary antes de aplicar a mudança.

LLM Agents Knowledge Graphs error recovery AI Governance

RESEARCHDEV.to AI·15/04/2026

Adaptive Neuro-Symbolic Planning for wildfire evacuation logistics networks for extreme data sparsity scenarios

Esta pesquisa foca no planejamento adaptativo neuro-simbólico para otimizar redes de logística de evacuação em casos de incêndios florestais. Aborda especificamente os desafios em cenários caracterizados por extrema escassez de dados.

logistics Planning wildfire AI