KI-Modelle, die nach expliziten Regeln statt durch das Erraten von Antworten schlussfolgern, erleben ein erneutes Interesse.
Das Thema Semantic Web und Ontologien (Semantic Web and Ontologies) steigt von 10 auf 60 Artikel in vier Wochen - der deutlichste Anstieg im Beobachtungszeitraum. Diese Arbeiten untersuchen, wie Wissen strukturiert werden kann, damit Systeme es logisch verarbeiten können, ähnlich wie ein Mensch es mit klaren Definitionen und Verknüpfungen tun würde. Drei Begriffe tauchen in diesem Zusammenhang auf:
- „points above“ (17 Artikel) bezeichnet gemessene Abweichungen zwischen einer Vorhersage und einer Referenz, oft genutzt, um die Robustheit einer Schlussfolgerung zu bewerten;
- „evidence supports“ (22 Artikel) erscheint in Titeln, die überprüfen, ob die Schritte eines Schlussfolgerungsprozesses auf überprüfbaren Fakten beruhen;
- „local evidence“ (17 Artikel) bezieht sich auf Hinweise, die aus einem begrenzten Teil der Daten extrahiert werden, statt aus einer globalen Analyse.
Zu den repräsentativen Artikeln gehören:
- RuleWeaver: Benchmarking Rule-Centered Scenario Reasoning for Large Language Models
- Neuro-symbolic PRM: Enhancing Scientific Reasoning via Structured Traces and Symbolic Verification
- Performance Foundations of Parallel & Distributed Reasoning Language Models
Diese Methoden zielen auf Bereiche ab, in denen Fehler teuer sind - medizinische Diagnosen, Softwareüberprüfung, Analyse regulatorischer Dokumente - , indem sie die Ungenauigkeit statistischer Modelle durch nachvollziehbare Regelketten ersetzen.