Resumen:Abordamos el desafío de adoptar modelos de lenguaje (LM) para tareas incorporadas en entornos dinámicos, donde el acceso en línea a motores de inferencia a gran escala o planificadores simbólicos está limitado debido a la latencia, la conectividad y las limitaciones de recursos. Con este fin, presentamos NeSyPr, un novedoso marco de razonamiento incorporado que recopila conocimientos mediante procedimentalización neurosimbólica, equipando así a los agentes basados en LM con capacidades de razonamiento estructuradas, adaptativas y oportunas. En NeSyPr, los planes para tareas específicas se generan primero explícitamente mediante una herramienta simbólica que aprovecha su conocimiento declarativo. Luego, estos planes se transforman en representaciones procesales componibles que codifican las reglas de producción implícitas de los planes, lo que permite que los procedimientos compuestos resultantes se integren perfectamente en el proceso de inferencia del LM. Esta procedimentalización neurosimbólica abstrae y generaliza la búsqueda de caminos y el razonamiento estructurados simbólicos de múltiples pasos en una inferencia LM de un solo paso, similar a la compilación del conocimiento humano. Admite una inferencia eficiente en el momento de la prueba sin depender de una guía simbólica externa, lo que lo hace muy adecuado para la implementación en sistemas físicos sensibles a la latencia y con recursos limitados. Evaluamos NeSyPr en los puntos de referencia incorporados PDDLGym, VirtualHome y ALFWorld, demostrando sus capacidades de razonamiento eficiente sobre modelos de razonamiento a gran escala y un planificador simbólico, mientras utilizamos LM más compactos.
Publicado originalmente en export.arxiv.org el 22 de octubre de 2025.
Ver fuente original
