论文提出离散世界规则知识迁移评测框架

Silvère Gangloff 与 Jan Hula 在 arXiv 发布论文，提出用共享规则生成的类数独谜题训练单一深度循环模型，并按四级新异度评测其规则知识迁移泛化。 模型接收规则的方式有两种：符号规则描述或两个已解示例，另以无规则信息的模型作基线。基于论文摘要的结果是：在已见过的规则组合上，符号描述条件准确率为 99%，高于示例条件的 95%；但在组件从未在训练中共同出现的规则实例上，描述条件低于无信息基线，示例条件仍高于基线。 该结果目前处于论文摘要阶段，未涉及全文核验或独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。