CRISP：用Tsetlin Machine子句重构二值神经教师隐层表示
Get the story
CRISP 是一项面向可解释神经符号推理的研究工作。其核心思路是把二值神经教师模型的最后一层激活向量（LLAV）重构为 Tsetlin Machine（TM）子句，从而用符号化方式追踪教师模型的行为。论文提出为每个 LLAV 神经元分配一个 Individual TM（ITM），在布尔化输入特征上构造命题子句，给出从输入阈值到对应教师神经元的符号化路径，使隐层表示具备可解释性。该框架定位于机器学习理论方向，强调以子句形式重构而非直接解释黑箱输出。目前公开信息仅包含这一框架性描述，尚无实验结果、数据集或对比基线等细节。
Generated from reports · updated 15 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryCRISP：面向子句重构的可解释神经符号命题框架
论文提出 CRISP 框架，将二值神经教师模型的最后一层激活向量（LLAV）重构为 Tsetlin Machine（TM）子句，为每个 LLAV 神经元分配一个 Individual TM（ITM），用布尔化输入特征上的命题子句给出从输入阈值到教师神经元的符号化追踪。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.