本文综述了神经符号计算作为一种将机器学习和推理集成在一起的原则方法，并证明了其作为一个可解释的 AI 系统的有效性。

本文介绍了一种基于Matryoshka Representations的ANNS设计框架-AdANNS，通过使用不同容量的自适应表示，实现准确性和计算效率的平衡。AdANNS在图像检索和自然问题上相比刚性表示具有更好的准确性和更低的成本。