arXiv · cs.AI· Mingze Ma, Hemanth Saratchandran, Cameron Gordon, Simon Lucey·· 6 小时前
让 Transformer 具备逻辑外推能力
Making Transformers Logical
arXiv:2608.00418v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mingze Ma, Hemanth Saratchandran, Cameron Gordon, Simon Lucey
研究任务与主要进展
作者提出直接初始化可学习加性注意力掩码，使 Transformer 在 Boolean 外推任务中摆脱较低阶插值规则并实现近乎完美的外推。该方法将结构性归纳偏置与内容相关的注意力分数分离；摘要还称其改善了低数据算术表现，并在视觉和语言基准上保持竞争力。基于论文摘要，实验细节和基线条件尚未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org