神经-符号元策略管理时序知识图谱记忆

Taewoon Kim 等发布被 ISWC 2026 接收的论文（Research Track, LNCS 17126, pp. 191-209），提出一种神经-符号元策略：在每个决策点学习应采用哪种符号记忆启发式，同时保持执行过程符号化，用于部分可观测强化学习中的时序知识图谱记忆管理。 实验设置在 RoomKG 环境中，用 RDF 图表示隐藏状态与观测，记忆通过时序 RDF 三元组标注扩展。论文称在长时记忆容量为 512 的训练/测试房间划分下， qualifier-aware StarE-GNN 配置在其比较的符号、神经和神经-符号系统中取得最佳留出集表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。