针对如何将机器学习与逻辑推理融合，南京大学姜远教授团队撰写了研究论文：ABLkit：一个Python反绎学习工具箱。
文章信息
标 题：
ABLkit: a Python toolkit for abductive learning
引用格式：
Yu-Xuan HUANG, Wen-Chao HU, En-Hao GAO, Yuan JIANG. ABLkit: a Python toolkit for abductive learning. Front. Comput. Sci., 2024, 18(6): 186354
阅读原文：
问题概述
如何将机器学习与逻辑推理融合是人工智能的“圣杯问题”。反绎学习（Abductive Learning, ABL）作为一个创新范式，实现了机器学习与逻辑推理的有效融合。在反绎学习中，学习模型将数据转化为逻辑事实。推理部分利用知识库来修正这些逻辑事实以更新模型。
技术步骤
ABLkit为整个反绎学习流程提供了一个全面框架，包括数据加载、开发学习模型、构建推理模块，以及学习与推理的融合。ABLkit具有高度灵活性、易用接口和卓越性能。源代码可在https://github.com/AbductiveLearning/ABLkit 获取。
实验结果
实验结果表明，通过有效且平衡地结合机器学习与逻辑推理，ABLkit在预测精度、训练效率和内存使用方面均表现出了优越性能。期望此开源工具箱能够为反绎学习的学术研究和实际应用提供有力的支持。
相关内容推荐：
文章精要 | 南京大学叶翰嘉副教授团队：TV100：预训练CLIP未见的电视剧数据集 2024 18(4)：185349
《前沿》系列英文学术期刊
由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。
《前沿》系列英文学术期刊 中国学术前沿期刊网 http://journal.hep.com.cn/ |
