深度分析
ActivationReasoning:在隱含激活空間以稀疏自編碼器與邏輯規則實現可控推理
ActivationReasoning(AR)提出一條將形式化邏輯綁定於語言模型隱含激活的新路徑。先以稀疏自編碼器(SAE)發現可解釋的概念向度,推論時把這些向度映射為命題,再以使用者定義的邏輯規則進行組合與推導。
深度分析
ActivationReasoning(AR)提出一條將形式化邏輯綁定於語言模型隱含激活的新路徑。先以稀疏自編碼器(SAE)發現可解釋的概念向度,推論時把這些向度映射為命題,再以使用者定義的邏輯規則進行組合與推導。
深度分析
在法律資源有限的情境下,自動化判斷哪些法律議題與案情相關,是法律科技的一道核心難題。來自 ArXiv 的研究提出 LePREC,一套結合大型語言模型(LLM)生成的問答式推理因子,與稀疏線性分類器的神經符號框架。