Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Symbolic Learning with Neural Language Models
Proyek riset & pengembangan

CAREER: Symbolic Learning with Neural Language Models

Ringkasan tujuan riset

Pembelajaran simbolik menggabungkan sintesis program, model bahasa neural, dan inferensi Bayesian untuk merepresentasikan pengetahuan abstrak sebagai kode yang dapat diperiksa.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2338833Periode tercatat 2024-05-01 sampai 2029-04-30.NSF 2338833MulaiAkhir tercatat202420302024-05-012029-04-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Sistem berbasis statistik belum mahir mempelajari aturan yang biasanya dijelaskan manusia melalui bahasa. Penelitian memakai bahasa pemrograman seperti Python sebagai representasi pengetahuan simbolik, lalu memanfaatkan model bahasa untuk menghasilkan kandidat kode. Pembelajaran Bayesian memperkirakan ketidakpastian dan membantu inferensi probabilistik yang efisien. Pendekatan ini ditujukan untuk perencanaan serta keputusan berurutan berbasis model, dengan harapan belajar dari lebih sedikit contoh dan memberi representasi yang lebih mudah dipahami.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Cornell University
Program
Robust Intelligence
Periode pendanaan tercatat
2024-05-01 → 2029-04-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.