신경망 안에 만족가능성 풀이 층을 넣으면 규칙을 배울 수 있을까?
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
프로그램 보조 언어모델은 문제 해석과 계산 실행의 역할을 나눕니다. 실행이 성공해도 문제를 제대로 옮겼는지 확인해야 하는 이유를 알아봅니다.
PAL: Program-aided Language Models
숙의 대화에서는 최종 권고뿐 아니라 선택지를 제안한 사람도 그 선택지가 가능한지 보일 책임을 질 수 있습니다.
Burdens of Proposing: On the Burden of Proof in Deliberation Dialogues
가능도비는 같은 결과가 조건이 있는 사람과 없는 사람에게 각각 얼마나 자주 나타나는지를 비교해 사전 오즈를 갱신합니다.
Tips for Teachers of Evidence-based Medicine: Making Sense of Diagnostic Test Results Using Likelihood Ratios
GSM8K와 학습된 검증기는 풀이 생성과 후보 선택을 분리해 다단계 산술 추론을 개선하는 방법과 그 한계를 보여 줍니다.
Training Verifiers to Solve Math Word Problems
66–70 / 263편