arXiv cs.AI· Donghyeok Lee, Bong Gyun Kang, Junyong Ahn, Sungroh Yoon·· 2 天前AI 评分32
OntoAct：基于本体抽象与假设的神经符号智能体框架
OntoAct: Hypothesis-Based Neuro-Symbolic Agents through Ontological Abstraction
AI 导读
OntoAct 是一个基于本体抽象的假设驱动神经符号框架，将个体经验转化为实体类型、关系与条件上的公理，由 LLM 提出假设与动作、符号验证器依据当前观测核验其成立条件。
正文 · AI 翻译
摘要：从经验中学习需要恢复可复用的知识，并确定其何时适用于新情境。我们提出 OntoAct，一个基于本体抽象、以假设为驱动的神经符号框架。OntoAct 将个体经验转化为关于实体类型、关系和条件的公理，使其潜在模式可跨情境复用。大语言模型（LLM）利用这些世界知识提出假设和行动，而符号验证器则根据当前观测评估其支撑条件。验证可识别缺失的证据，新的观测和干预结果会更新假设评估并指导后续行动。我们还提出 Tacit-FLE，一个基于 Factorio Learning Environment（FLE）构建的基准，用于利用继承的操作记录诊断和修复现有工厂中的隐藏故障。其合成维护语料库将证据分散在记录中，而一次执行的修复可能并未解决故障，要求智能体通过交互重新评估其诊断。在 Tacit-FLE、Mars 和 ALFWorld 上，OntoAct 以高效的交互和推理实现了领先的任务性能。
| 评论： | 49 页，13 幅图，33 张表。预印本，审稿中 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.21983 [cs.AI] |
| （或 arXiv:2610.21983v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21983 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Donghyeok Lee [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 14:34:15 UTC（2,411 KB）
来源：arXiv cs.AI · arxiv.org