Buchumschlag

Right for the Right Reasons: Avoiding Reasoning Shortcuts via Prototypical Neurosymbolic AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Andolfi, Luca, Giunchiglia, Eleonora
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neurosymbolic Reasoning Shortcuts under the Independence Assumption
von: van Krieken, Emile, et al.
Veröffentlicht: (2025)

LLMs as Assessors: Right for the Right Reason?
von: Saha, Sourav, et al.
Veröffentlicht: (2026)

ULLER: A Unified Language for Learning and Reasoning
von: van Krieken, Emile, et al.
Veröffentlicht: (2024)

Beyond the convexity assumption: Realistic tabular data generation under quantifier-free real linear constraints
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)

Reasoning in Transformers -- Mitigating Spurious Correlations and Reasoning Shortcuts
von: Enström, Daniel, et al.
Veröffentlicht: (2024)

Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey
von: DeLong, Lauren Nicole, et al.
Veröffentlicht: (2023)

Acting for the Right Reasons: Creating Reason-Sensitive Artificial Moral Agents
von: Baum, Kevin, et al.
Veröffentlicht: (2024)

Symbol Grounding in Neuro-Symbolic AI: A Gentle Introduction to Reasoning Shortcuts
von: Marconato, Emanuele, et al.
Veröffentlicht: (2025)

A Comparative Study of Neurosymbolic AI Approaches to Interpretable Logical Reasoning
von: Chen, Michael K.
Veröffentlicht: (2025)

Right Question is Already Half the Answer: Fully Unsupervised LLM Reasoning Incentivization
von: Zhang, Qingyang, et al.
Veröffentlicht: (2025)

When Small Models Are Right for Wrong Reasons: Process Verification for Trustworthy Agents
von: Advani, Laksh
Veröffentlicht: (2026)

A Survey on Deep Learning Approaches for Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, Diversity, and Beyond
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)

Shortcut Solutions Learned by Transformers Impair Continual Compositional Reasoning
von: Redman, William T., et al.
Veröffentlicht: (2026)

Improving Rule-based Reasoning in LLMs using Neurosymbolic Representations
von: Dhanraj, Varun, et al.
Veröffentlicht: (2025)

Thinking Short and Right Over Thinking Long: Serving LLM Reasoning Efficiently and Accurately
von: Wang, Yuhang, et al.
Veröffentlicht: (2025)

Generative Classifiers Avoid Shortcut Solutions
von: Li, Alexander C., et al.
Veröffentlicht: (2025)

Outcome-Based RL Provably Leads Transformers to Reason, but Only With the Right Data
von: Ran-Milo, Yuval, et al.
Veröffentlicht: (2026)

BEARS Make Neuro-Symbolic Models Aware of their Reasoning Shortcuts
von: Marconato, Emanuele, et al.
Veröffentlicht: (2024)

The Virtues of Brevity: Avoid Overthinking in Parallel Test-Time Reasoning
von: Dinardi, Raul Cavalcante, et al.
Veröffentlicht: (2025)

Exploiting T-norms for Deep Learning in Autonomous Driving
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

MMLU-Pro+: Evaluating Higher-Order Reasoning and Shortcut Learning in LLMs
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2024)

A Neuro-Symbolic Benchmark Suite for Concept Quality and Reasoning Shortcuts
von: Bortolotti, Samuele, et al.
Veröffentlicht: (2024)

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

RLBenchNet: The Right Network for the Right Reinforcement Learning Task
von: Smirnov, Ivan, et al.
Veröffentlicht: (2025)

KLay: Accelerating Arithmetic Circuits for Neurosymbolic AI
von: Maene, Jaron, et al.
Veröffentlicht: (2024)

Deep generative models as an adversarial attack strategy for tabular machine learning
von: Dyrmishi, Salijona, et al.
Veröffentlicht: (2024)

SCORPIO: Serving the Right Requests at the Right Time for Heterogeneous SLOs in LLM Inference
von: Tang, Yinghao, et al.
Veröffentlicht: (2025)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

Reasoning Stabilization Point: A Training-Time Signal for Stable Evidence and Shortcut Reliance
von: Dhayalkar, Sahil Rajesh
Veröffentlicht: (2026)

The Paradox of Outcome Optimization: A Causal Information-Theoretic Bound on Reasoning Shortcuts in LLMs
von: Chen, Zihan, et al.
Veröffentlicht: (2026)

Why Neural Network Can Discover Symbolic Structures with Gradient-based Training: An Algebraic and Geometric Foundation for Neurosymbolic Reasoning
von: Wang, Peihao, et al.
Veröffentlicht: (2025)

Constraint-Based Analysis of Reasoning Shortcuts in Neurosymbolic Learning
von: Takemura, Akihiro, et al.
Veröffentlicht: (2026)

ABS: Enforcing Constraint Satisfaction On Generated Sequences Via Automata-Guided Beam Search
von: Collura, Vincenzo, et al.
Veröffentlicht: (2025)

Inverse Q-Learning Done Right: Offline Imitation Learning in $Q^π$-Realizable MDPs
von: Moulin, Antoine, et al.
Veröffentlicht: (2025)

Neurosymbolic AI Transfer Learning Improves Network Intrusion Detection
von: Tran, Huynh T. T., et al.
Veröffentlicht: (2025)

DeepLog: A Software Framework for Modular Neurosymbolic AI
von: Manhaeve, Robin, et al.
Veröffentlicht: (2026)

Finer is Better (with the Right Scaling)
von: Schaefer, Clemens, et al.
Veröffentlicht: (2026)

Guiding LLMs The Right Way: Fast, Non-Invasive Constrained Generation
von: Beurer-Kellner, Luca, et al.
Veröffentlicht: (2024)

Neurosymbolic Diffusion Models
von: van Krieken, Emile, et al.
Veröffentlicht: (2025)

Proof of Thought : Neurosymbolic Program Synthesis allows Robust and Interpretable Reasoning
von: Ganguly, Debargha, et al.
Veröffentlicht: (2024)