Краткое содержание

arXiv:2511.12793v1 Тип объявления: cross Аннотация: Решение задач индуктивного логического программирования (ILP) с помощью нейронных сетей является ключевой задачей в нейро-символьном искусственном интеллекте. В то время как большая часть исследований была сосредоточена на разработке новых архитектур сетей для решения отдельных задач, меньше усилий было посвящено изучению новых парадигм обучения, включающих последовательность задач. В данной работе мы исследуем непрерывное обучение для ILP, которое использует композиционную и передаваемую природу логических правил для эффективного изучения новых задач. Мы представляем композиционную структуру, демонстрирующую, как логические правила, полученные при решении предыдущих задач, могут быть эффективно повторно использованы в последующих, что приводит к повышению масштабируемости и производительности. Мы формализуем наш подход и эмпирически оцениваем его на последовательностях задач. Экспериментальные результаты подтверждают осуществимость и преимущества данной парадигмы, открывая новые направления для непрерывного обучения в нейро-символьном ИИ.