Neuro-Symbolische Architektur löst NP‑schwere Probleme aus natürlichen Daten
In einer neuen Studie wird eine differenzierbare neuro‑symbolische Architektur vorgestellt, die es ermöglicht, NP‑schwere Logik‑ und Optimierungsaufgaben direkt aus natürlichen Eingaben zu lernen. Damit wird ein entscheidender Engpass von großen Sprachmodellen überwunden, die bislang Schwierigkeiten haben, komplexe diskrete Probleme zu lösen.
