Zero-Shot 논리 규칙 유도용 기초 모델: Neural Rule Inducer (NRI)

요약

Neural Rule Inducer (NRI)는 데이터에서 해석 가능한 논리 규칙을 학습하는 Zero-Shot 기반의 기초 모델입니다. 기존 ILP 방법들이 특정 술어에 묶여 재학습이 필요했던 한계를 극복하고, 클래스 조건부 확률 등 도메인 무관 통계적 속성을 사용하여 리터럴을 표현합니다. NRI는 병렬 슬롯 디코더와 곱 T-노름 완화 기법을 통해 논리 합의 순열 불변성을 유지하며, 규칙 복원 및 Zero-Shot 전이 성능에서 우수한 결과를 보여줍니다.

핵심 포인트

• NRI는 기존 ILP 방법의 한계(전역적/특정 술어 의존성)를 극복한 Zero-Shot 논리 규칙 유도 모델이다.
• 리터럴 표현 시, 도메인 무관 통계적 속성(클래스 조건부 확률, 엔트로피 등)을 사용하여 일반화 능력을 높였다.
• 모델 구조는 병렬 슬롯 기반 디코더를 채택하여 논리 합의 순열 불변성을 보존한다.
• 곱 T-노름 완화 기법을 통해 규칙 실행 과정을 미분 가능하게 만들어 엔드 투 엔드 학습이 가능하다.