人工神经网络的新兴符号结构

计算机科学 > 计算和语言 arXiv:2608.29530 (cs) [提交于 2026 年 8 月 30 日] 标题：人工神经网络的新兴符号结构 作者：R. Thomas McCoy、Paul Soulos、Tal Linzen、Paul Smolensky 查看标题为人工神经网络的新兴符号结构的论文的 PDF，作者：R. Thomas McCoy、Paul Soulos 和 Tal Linzen 和 Paul Smolensky 查看 PDF HTML（实验） 摘要：人工智能 (AI) 中的现代系统在某种程度上在它们似乎不太适合的领域表现出色。智能传统上被建模为对符号的结构化组合（例如逻辑公式）进行操作。然而，最强大的现代人工智能系统基于神经网络，而是以连续向量表示信息。向量似乎不足以捕捉语言、逻辑和其他认知领域的结构，但神经网络在这些领域取得了令人印象深刻的表现。他们是如何做到的？在这项工作中，我们提出了一个潜在的答案：尽管表面看来，神经网络的内部表示也许隐含地实现了符号结构。为了支持这一假设，我们证明了各种神经网络的向量表示可以用符号结构来近似：我们可以用实例化符号结构的封闭式方程来替换网络的整个表示生成过程，并且网络的行为基本上保持不变。这一发现既适用于经过训练来操作列表的小型神经网络，也适用于在符号传统的四个核心领域运行的大型语言模型（LLM）：算术、逻辑、计算机代码和语言。此外，我们的符号近似允许我们通过对其内部表示的精确干预来有针对性地修改法学硕士的行为，这表明法学硕士的行为依赖于我们已经确定的符号结构。这项工作提供了一种潜在的方法，可以将长期存在的智能符号概念与现代人工智能基于矢量的性质相协调。评论：30 页，外加 29 页参考文献和附录主题：计算和语言 (cs.CL)；人工智能 (cs.AI) 引用为：arXiv:2608.29530 [cs.CL]（或此版本的 arXiv:2608.29530v1 [cs.CL]） https://doi.org/10.48550/arXiv.2608.29530 arXiv 通过 DataCite 发布的 DOI（待注册） 提交历史记录 来自：Tom McCoy [ 查看电子邮件 ] [v1] Sun, 30 Aug 2026 03:32:13 UTC (1,107 KB) 全文链接： Access Paper：查看标题为 The Emergent Symbolic Structure of Artificial Neural Networks 的论文的 PDF，作者：R. Thomas McCoy 和 Paul Soulos 以及 Tal Linzen 和 Paul Smolensky 查看 PDF HTML（实验）TeX 源代码查看许可证 当前浏览上下文：cs.CL < 上一页|下一页 > 新 |最近 | 2026-08 更改为浏览方式：cs cs.AI 参考文献和引文 NASA ADS Google Scholar 语义学者正在加载... BibTeX 格式的引文正在加载... 数据提供者： 书签 书目工具 书目和引文工具 书目浏览器 切换书目浏览器（什么是浏览器？） 已连接的论文 切换已连接的论文（什么是已连接的论文？） Litmaps切换 Litmaps（什么是 Litmap？）scite.ai 切换 scite 智能引文（什么是智能引文？）与本文相关的代码、数据、媒体代码、数据和媒体 alphaXiv 切换 alphaXiv（什么是 alphaXiv？）代码链接 切换 CatalyzeX 论文代码查找器（什么是 CatalyzeX？） DagsHub 切换 DagsHub (什么是 DagsHub？) GotitPub 切换 Gotit.pub (什么是 GotitPub？) Huggingface 切换 Hugging Face (什么是 Huggingface？) ScienceCast 切换 ScienceCast (什么是 ScienceCast？) 演示 演示 Replicate 切换 复制 (什么是 Replicate？) Spaces 切换 Hugging Face 空间 (什么是 Spaces？) Spaces 切换TXYZ.AI（什么是 TXYZ.AI？）相关论文推荐器和搜索工具链接到影响花影响花（什么是影响花？）核心推荐器切换核心推荐器（什么是核心？）作者场地机构主题关于 arXivLabs arXivLabs：与社区合作者的实验项目 arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都接受并接受了我们开放、社区、卓越和用户数据隐私的价值观。 arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。您有一个能为 arXiv 社区增加价值的项目想法吗？了解有关 arXivLabs 的更多信息。这篇论文的哪些作者是认可者？ |禁用 MathJax（什么是 MathJax？）