本文探讨神经符号学习对标记数据的过度依赖，提出验证学习（VL）范式，通过无标签验证过程实现优异学习效果，并引入动态组合排序算法以显著降低计算成本。

该研究提出DPNL算法，解决神经符号学习的可扩展性问题，绕过逻辑来源的计算，显著提升了性能和模型准确性。