Sphere Neural Networks（SphNNs）：用非零半径球体表示突破神经网络符号推理瓶颈

研究者提出 Sphere Neural Networks（SphNNs），将向量视为零半径球体并放松该约束，用非零半径球体表示概念，从而把空间概念表示为区域并通过模型构建与检查进行推理。基于球体嵌入，SphNNs 借助转移映射在无需训练数据的情况下实现亚里士多德三段论式的符号级推理。作者认为零半径约束可能是 Wiener 所指过度简化的一个方面，并限制了传统神经网络的符号级逻辑推理能力。