TRACTA: Un Benchmark Neuro-Simbolico per il Ragionamento Temporale in Ambienti ad Alta Complessità
Lo studio presenta TRACTA (Temporal Reasoning and Capability-Trajectory Analysis), un benchmark sintetico progettato per valutare il ragionamento strutturale temporale all'interno di sistemi complessi guidati da eventi, modellati su scenari di Operazioni Multi-Dominio (MDO). Comprende tre compiti distinti: early_warning, pattern_detection e run_classification. La valutazione confronta modelli neurali basati su eventi grezzi, una baseline semantica semplificata e una configurazione neuro-simbolica che utilizza traiettorie semanticamente fondate. I risultati rivelano che, mentre l'apprendimento a livello di eventi grezzi fornisce informazioni preziose, la modellazione temporale basata su capacità semantiche e traiettorie contestuali di impatto diretto produce le migliori stime puntuali complessive, eccellendo in particolare nei compiti temporali. Inoltre, studi di ablazione dimostrano che il metodo neuro-simbolico supera gli altri nell'identificare e prevedere pattern temporalmente distribuiti.
Fatti principali
- TRACTA è un benchmark per il ragionamento temporale in ambienti ad alta complessità.
- È istanziato attraverso scenari simili a Operazioni Multi-Dominio (MDO).
- Tre compiti: early_warning, pattern_detection, run_classification.
- Confronta modelli neurali basati su eventi grezzi, baseline semantica contract-lite e configurazione neuro-simbolica.
- La configurazione neuro-simbolica utilizza traiettorie semanticamente fondate.
- L'approccio neuro-simbolico raggiunge le stime puntuali aggregate più elevate.
- I margini maggiori si registrano nei compiti temporali.
- L'apprendimento a livello di eventi grezzi rimane informativo.
Entità
—