待验证50% 置信事实精确时间
MIT 的 NS-CL（Neuro-Symbolic Concept Learner）展示了神经网络与符号推理引擎在视觉问答任务上协同工作
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
待验证nn.Module是PyTorch构建神经网络的基础抽象类，维护可学习参数和子模块两类核心状态66% 相似待验证机械可解释性通过逆向工程神经网络的权重矩阵识别负责特定功能的'电路'，Anthropic团队发现的'归纳头'（Induction Heads）机制是该领域的代表性成果65% 相似待验证编程智能体的核心架构通常包含感知-规划-执行-反思的循环机制63% 相似待验证代理的核心架构由四部分组成：感知输入、记忆、规划和行动，借鉴了认知科学中的感知-行动循环理论以及Minsky提出的心智社会框架62% 相似已验证智能体核心架构通常由感知模块、记忆模块、规划模块和行动模块四部分组成，形成感知-推理-行动闭环62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/565367API
curl https://kongchang.com/api/v1/knowledge/claims/565367MCP
get_claim(id=565367)