리서치 연구
VLM과 동적 논리 네트워크를 활용한 신경-기호 시각 추론
Think-Verify-Revise: Neuro-Symbolic Visual Reasoning with Vision-Language Models and Dynamic Logic Tensor Networks
arXiv시각적 정보 인식과 형식 논리 규칙 적용을 결합한 신경-기호 추론(NeSy) 프레임워크가 제시되었습니다.
세 줄 요약
- 이 시스템은 VLM이 후보 규칙을 제안하고, D-LTN이 이를 검증하며, 실패 시 피드백하여 가설을 개선하는 순환 구조로 작동합니다.
- 이는 기존 AI 모델들이 어려워하던 복잡한 형식 추론 과정을 자동화하며, 인공지능의 자율적인 논리 규칙 발견 잠재력을 입증했습니다.
- 실제 스도쿠 문제에서 단 세 개의 예시만으로 유효한 제약 규칙을 성공적으로 발견했으며, ViSudo-PC 등 벤치마크에서 높은 성능을 보였습니다.
시각적 정보 인식과 형식 논리 규칙 적용을 결합한 신경-기호 추론(NeSy) 프레임워크가 제시되었습니다.