ANDRE는 어텐션 기반 신경-기호 미분 가능 규칙 추출기로, 노이즈가 있는 확률적 환경에서 귀납적 논리 프로그래밍(ILP)의 한계를 극복하기 위해 제안되었다. 완전히 미분 가능한 어텐션 기반 논리 연산자(결합·분리)로 연속 규칙 공간을 최적화하며, 규칙 템플릿 없이도 기호적 구조를 유지한 유연한 규칙 귀납을 지원한다. 고전 ILP 벤치마크와 대규모 지식 베이스에서 경쟁력 있는 예측 성능과 함께 중간 수준의 레이블 노이즈 하에서도 정확한 기호 규칙을 안정적으로 복원했다.

• •기존 ILP는 노이즈와 확률적 환경에서 취약하며, 미분 가능 ILP 방법은 소실 기울기나 논리 구조의 부정확한 근사 문제를 가진다.
• •ANDRE는 어텐션 기반 논리 결합·분리 연산자로 규칙 템플릿 없이 연속 규칙 공간에서 유연한 귀납을 수행한다.
• •소프트 술어 선택, 부정, 제외를 통해 기호적 구조를 보존하면서 확률적 데이터에서 정확하고 안정적인 추론이 가능하다.
• •중간 수준의 레이블 노이즈에서도 강건성을 유지하며 기존 미분 가능 ILP 방법 대비 규칙 추출 품질과 안정성 모두에서 크게 우수하다.