Buchumschlag

A Comparative Study of Neurosymbolic AI Approaches to Interpretable Logical Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chen, Michael K.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computation and Language Machine Learning Symbolic Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Zero-Shot Chain-of-Thought Reasoning in Large Language Models through Logic
von: Zhao, Xufeng, et al.
Veröffentlicht: (2023)

Beyond Accuracy: Introducing a Symbolic-Mechanistic Approach to Interpretable Evaluation
von: Habibi, Reza, et al.
Veröffentlicht: (2026)

A Complexity Map of Probabilistic Reasoning for Neurosymbolic Classification Techniques
von: Ledaguenel, Arthur, et al.
Veröffentlicht: (2024)

Neurosymbolic LoRA: Why and When to Tune Weights vs. Rewrite Prompts
von: Wang, Kevin, et al.
Veröffentlicht: (2026)

CoMAT: Chain of Mathematically Annotated Thought Improves Mathematical Reasoning
von: Leang, Joshua Ong Jun, et al.
Veröffentlicht: (2024)

Towards Learning to Reason: Comparing LLMs with Neuro-Symbolic on Arithmetic Relations in Abstract Reasoning
von: Hersche, Michael, et al.
Veröffentlicht: (2024)

Jet Expansions of Residual Computation
von: Chen, Yihong, et al.
Veröffentlicht: (2024)

Logic Sketch Prompting (LSP): A Deterministic and Interpretable Prompting Method
von: Tripathi, Satvik
Veröffentlicht: (2025)

Cognitive Architectures for Language Agents
von: Sumers, Theodore R., et al.
Veröffentlicht: (2023)

R1-Code-Interpreter: LLMs Reason with Code via Supervised and Multi-stage Reinforcement Learning
von: Chen, Yongchao, et al.
Veröffentlicht: (2025)

Improving Neural-based Classification with Logical Background Knowledge
von: Ledaguenel, Arthur, et al.
Veröffentlicht: (2024)

Towards Learning Abductive Reasoning using VSA Distributed Representations
von: Camposampiero, Giacomo, et al.
Veröffentlicht: (2024)

Scheduling That Speaks: An Interpretable Programmatic Reinforcement Learning Framework
von: Hu, Chengpeng, et al.
Veröffentlicht: (2026)

A Synergistic Approach In Network Intrusion Detection By Neurosymbolic AI
von: Bizzarri, Alice, et al.
Veröffentlicht: (2024)

Learning to Solve Abstract Reasoning Problems with Neurosymbolic Program Synthesis and Task Generation
von: Bednarek, Jakub, et al.
Veröffentlicht: (2024)

Speaking in Words, Thinking in Logic: A Dual-Process Framework in QA Systems
von: Bui, Tuan, et al.
Veröffentlicht: (2025)

Chronosymbolic Learning: Efficient CHC Solving with Symbolic Reasoning and Inductive Learning
von: Luo, Ziyan, et al.
Veröffentlicht: (2023)

We-Math: Does Your Large Multimodal Model Achieve Human-like Mathematical Reasoning?
von: Qiao, Runqi, et al.
Veröffentlicht: (2024)

The Neurosymbolic Frontier of Nonuniform Ellipticity: Formalizing Sharp Schauder Theory via Topos-Theoretic Reasoning Models
von: Mishra, Suyash
Veröffentlicht: (2026)

From Words to Worlds: Compositionality for Cognitive Architectures
von: Dhar, Ruchira, et al.
Veröffentlicht: (2024)

CodeSteer: Symbolic-Augmented Language Models via Code/Text Guidance
von: Chen, Yongchao, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Generative AI through Neuro-Symbolic Architectures: Benefits and Limitations
von: Bougzime, Oualid, et al.
Veröffentlicht: (2025)

ConceptGuard: Neuro-Symbolic Safety Guardrails via Sparse Interpretable Jailbreak Concepts
von: Aswal, Darpan, et al.
Veröffentlicht: (2025)

Bootstrapping OTS-Funcimg Pre-training Model (Botfip) -- A Comprehensive Symbolic Regression Framework
von: Chen, Tianhao, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Frameworks: Conceptual Characterization and Empirical Comparative Analysis
von: Sinha, Sania, et al.
Veröffentlicht: (2025)

LogicMP: A Neuro-symbolic Approach for Encoding First-order Logic Constraints
von: Xu, Weidi, et al.
Veröffentlicht: (2023)

AbstRaL: Augmenting LLMs' Reasoning by Reinforcing Abstract Thinking
von: Gao, Silin, et al.
Veröffentlicht: (2025)

Large Language Models are Interpretable Learners
von: Wang, Ruochen, et al.
Veröffentlicht: (2024)

Terminating Differentiable Tree Experts
von: Thomm, Jonathan, et al.
Veröffentlicht: (2024)

SCALAR: A Neurosymbolic Framework for Automated Conjecture and Reasoning in Quantum Circuit Analysis
von: Feeney, Sean, et al.
Veröffentlicht: (2026)

GOFAI meets Generative AI: Development of Expert Systems by means of Large Language Models
von: Garrido-Merchán, Eduardo C., et al.
Veröffentlicht: (2025)

UniSymNet: A Unified Symbolic Network Guided by Transformer
von: Li, Xinxin, et al.
Veröffentlicht: (2025)

Interactive Symbolic Regression through Offline Reinforcement Learning: A Co-Design Framework
von: Tian, Yuan, et al.
Veröffentlicht: (2025)

Towards a Research Community in Interpretable Reinforcement Learning: the InterpPol Workshop
von: Kohler, Hector, et al.
Veröffentlicht: (2024)

Learning Interpretable Network Dynamics via Universal Neural Symbolic Regression
von: Hu, Jiao, et al.
Veröffentlicht: (2024)

Agent-centric learning: from external reward maximization to internal knowledge curation
von: Zhou, Hanqi, et al.
Veröffentlicht: (2025)

Auditable Unit-Aware Thresholds in Symbolic Regression via Logistic-Gated Operators
von: Deng, Ou, et al.
Veröffentlicht: (2025)

Symbolic Foundation Regressor on Complex Networks
von: Liu, Weiting, et al.
Veröffentlicht: (2025)

EGG-SR: Embedding Symbolic Equivalence into Symbolic Regression via Equality Graph
von: Jiang, Nan, et al.
Veröffentlicht: (2025)

Unsupervised Symbolic Anomaly Detection
von: Hossain, Md Maruf, et al.
Veröffentlicht: (2026)