arXiv cs.AI· Taewoon Kim, Vincent Fran\c{c}ois-Lavet, Michael Cochez·· 10 小时前AI 评分22
面向部分可观测下时序知识图谱记忆的神经符号元策略
Neuro-Symbolic Meta-Policies for Temporal Knowledge-Graph Memory under Partial Observability
AI 导读
研究提出一种神经符号元策略，在部分可观测强化学习中学习每个决策点应应用哪种符号记忆启发式，同时保持执行过程符号化。该设置基于 RoomKG 的时序知识图谱记忆，隐藏状态与观测表示为 RDF 图，记忆附加时序 RDF 三元组标注。
正文 · AI 翻译
摘要：部分可观测强化学习需要随时间决定保留、检索和遗忘哪些信息。我们引入一种神经符号元策略，它在每个决策点学习应用哪种符号记忆启发式，同时保持符号化执行。我们的设置使用 RoomKG 中的时序知识图谱记忆，其中隐藏状态和观测表示为资源描述框架（RDF）图，记忆通过时序 RDF 三元组注释进行增强。该模型将记忆内容的知识图谱编码与用于问答、探索和遗忘的价值头相结合，产生一个既自适应又可检查的控制器。这通过基于 RDF 的表示、兼容注释的图语义以及对显式记忆状态的基于图的符号操作，使这项工作具有直接的语义网基础。在长期记忆容量为 512 的训练/测试房间划分上，限定符感知的 StarE-GNN 配置在比较的符号、神经和神经符号系统中取得了最佳的留出性能，同时保留了记忆管理决策的步骤级可追溯性。
| 评论： | 已被 ISWC 2026（研究轨道）接收，LNCS 17126，第 191-209 页。v5：首页添加接收稿通知，页边距加宽 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2607.18368 [cs.AI] |
| （或此版本的 arXiv:2607.18368v5 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2607.18368 arXiv 通过 DataCite 颁发的 DOI |
|
| 期刊 参考： | ISWC 2026，LNCS 17126，第 191-209 页 |
| 相关 DOI： | https://doi.org/10.1007/978-3-032-42015-2_10
链接到相关资源的 DOI |
提交历史
来自：Taewoon Kim [查看电子邮件]
[v1]
2026年7月20日星期一 17:55:00 UTC（210 KB）
[v2]
2026年7月24日星期五 20:23:23 UTC（194 KB）
[v3]
2026年7月28日星期二 13:21:18 UTC（200 KB）
[v4]
2026年10月3日星期六 07:26:30 UTC（194 KB）
[v5]
2026年10月29日星期四 16:35:11 UTC（193 KB）
来源：arXiv cs.AI · arxiv.org