● 让 AI 真正“懂时间”：QC-MHM 时序知识图谱问答的全新突破 | AAAI

📌 一句话摘要 QC-MHM 通过问题校准与多跳建模两大机制，显著提升了时序知识图谱问答在复杂时间约束下的事实检索与推理能力，在两组权威基准上达到 SOTA。 📝 详细摘要 本文详细解读了 AAAI 2025 论文《Question Calibration and Multi-Hop Model

● 生产环境中的可解释 AI：用于实时欺诈检测的神经符号模型

📌 一句话摘要 本文介绍了一种用于实时欺诈检测的神经符号模型，它将可解释性集成到了前向传播过程中，与事后 SHAP 解释器相比，实现了 33 倍的速度提升和确定性输出。 📝 详细摘要 本文解决了生产环境 AI 中的一个关键瓶颈：像 SHAP 这样的事后解释方法存在高延迟和随机性的问题。作者提出了

● 神经网络如何学习自己的欺诈规则：一个神经符号 AI 实验

📌 一句话摘要 本文介绍了一个可复现的神经符号 AI 实验，展示了具有可微规则学习模块的混合神经网络如何从数据中自动发现可解释的 IF-THEN 欺诈规则，达到 ROC-AUC 0.933，同时独立重新发现了已知与欺诈强相关的 V14 特征 📝 详细摘要 文章探讨了用于欺诈检测的神经符号 AI，