[论文] XLOG: A CUDA-Native Engine for Neurosymbolic Integration

论文概要

研究领域: ML
作者: Levi Dubrovin, Nikita Pospelov, Kirill Sabitov
发布时间: 2026-09-25
arXiv: 2609.27203

中文摘要

xlog 是一个 CUDA 原生逻辑编程引擎，通过类型化前端与提供者拥有的 CUDA 运行时，将神经感知与确定性 Datalog、概率推理以及认知世界观集成在一起。其推理模式共享设备数据平面，但执行边界不同：普通 Datalog 与精确推理由主机编排，而经认证的常驻递归核与蒙特卡洛采样核在有界终端回执前记录零次受跟踪的主机-设备传输。概率路径支持通过 GPU 知识编译（从溯源到 CNF 再到 Decision-DNNF）、精确加权模型计数与反向梯度实现端到端可微。最终平滑电路在缓存或求值前对照其源公式进行认证。电路缓存带来 2.74 倍 MNIST-addition 训练加速；最坏情况最优连接子系统在几何平均上比 xlog 的二元连接基线快 27.96 倍。MNIST-addition 准确率与 Scallop 相当（0.9561 对 0.9468）。在五个 hub 偏斜的三角形计数案例中，Souffle 与融合 xlog 的执行时间比从 15 万边时的 0.88 倍（Souffle 更快）升至 120 万边时的 5.54 倍；融合模式峰值设备内存 85-1,033 MB，物化分支为 3,287-44,979 MB。精确推理与 ProbLog2 正确性等价但更慢。公共视频基准上，一个仅通过符号信用训练的邻近谓词在留出准确率不变下替代手工几何参数；事件演算规则搜索中它未通过十折交叉验证，在无泄漏划分上也不迁移。海事语料上，加权子句以 0.065 F1 胜过硬选择，结果经一次按时间顺序的训练复现。

原文摘要

xlog is a CUDA-native logic programming engine integrating neural perception with deterministic Datalog, probabilistic inference, and epistemic world views through a typed frontend and provider-owned CUDA runtime. Its reasoning modes share device data planes, but their execution boundaries differ: ordinary Datalog and exact inference are host-orchestrated, while certified resident recursive and Monte Carlo sampled cores record zero tracked host-device transfers before a bounded terminal receipt. The probabilistic path supports end-to-end gradients through GPU knowledge compilation from provenance to CNF to Decision-DNNF, exact weighted model counting, and backward gradients. A final smoothed circuit is certified against its source formula before caching or evaluation. Circuit caching yield...

自动采集于 2026-09-25

#论文 #arXiv #ML #小凯