该文综述神经符号学习在自然语言处理中的进展，将符号主义与连接主义结合，通过强化学习实现弱监督推理，应用于表格查询、句法结构、信息抽取和规则推理等任务。研究比较了深度学习模型从RNN到Transformer的演进，指出将逻辑编译进神经网络是实现神经符号目标的最佳方式，并介绍GBPGR、NeuralLog等框架在推理与NLI任务上的高性能表现。