본 논문은 비전-언어 모델(VLM)의 해석 가능성을 높이기 위해 개발된 Concept-RuleNet을 소개합니다. 이 모델은 블랙박스 형태의 예측과 해석 가능한 심볼릭 추론을 결합한 신경심볼릭 프레임워크를 기반으로 합니다. Concept-RuleNet은 시각적 개념을 직접 추출하여 심볼을 생성하고, 이를 대규모 언어 모델(LLM) 기반의 추론 에이전트를 통해 실행 가능한 규칙으로 변환합니다. 실험 결과, 이 시스템은 기존 신경심볼릭 모델보다 성능이 향상되었으며, 허구의 심볼 발생 빈도를 줄이는 효과를 보였습니다.
