#logic

DeepSWIP：神经概率逻辑程序中的反事实推理新突破

神经符号系统（如DeepProbLog）将神经感知与概率逻辑结合，但标准推理仅限于关联层面。DeepSWIP引入了单世界反事实语义，通过神经物化将神经谓词转化为普通ProbLog选择，再应用SWIP和加权模型计数（WMC）计算反事实。实验表明，该方法在MPI3D数据集上精确匹配DeepTwin构造，推理速度提升2.14倍。HOV实验揭示了神经校准退化对反事实估计的偏差影响。