이 논문은 수학 연산을 잠재 공간에서 근사하고 합성하는 문제를 탐구한다. 구체적으로 다음과 같은 연구 질문을 다룬다:
이를 위해 저자들은 수학 연산을 명시적인 기하학적 변환으로 모델링하는 다중 연산 표현 패러다임을 제안한다. 또한 SymPy 엔진을 활용하여 61,000개의 전제와 6개의 연산자로 구성된 170만 개의 유도 단계 데이터셋을 구축한다. 다양한 신경망 인코더(GNN, CNN, RNN, Transformer)를 활용하여 제안된 아키텍처를 평가하고, 잠재 공간의 특성, 다단계 유도 능력, 분포 외 일반화 등을 분석한다.
실험 결과, 변환 기반 패러다임이 교차 연산 추론을 개선하는 데 효과적이며, 단일 연산 추론은 원래의 식 인코더에서도 달성 가능한 것으로 나타났다. 또한 아키텍처 선택이 잠재 공간의 구조와 일반화 능력에 큰 영향을 미치는 것으로 확인되었다.
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Marc... om arxiv.org 04-04-2024
https://arxiv.org/pdf/2311.01230.pdfDiepere vragen