Elenchus：基于证伪-怀疑对话生成知识库

我们提出 Elenchus，一个以推断主义语义为基础的知识库构建对话系统，将知识工程重新构想为对专家 testimony 或文本内容的显性化（explicitation）。人类专家通过与大语言模型（LLM）对手的证伪-怀疑对话，形成关于某个主题的双向立场（承诺与否认）。LLM 提出张力（指出立场部分之内在不一致性），专家通过撤回、细化或驳斥进行解决。因此，LLM 充当可推导的 oracle，其不可靠性通过专家权威的结构性包含。我们的主要技术贡献是将 Elenchus 对话状态映射到 Hlobil 和 Brandom 的非单调多结论（NMMS）逻辑的物质基础中，满足包含性，使对逻辑词汇的阐述能够明确表达对话中协商的推论关系。我们在 W3C PROV-O 原型本体上进行演示，通过单次对话会话提取并结构化设计中的设计张力，使领域专家能够阐述这些张力，对应于对本体设计的回顾性分析中记录的决策。通过 pyNMMS，我们验证了结果物质基础的结构属性（非传递性、非单调性和独立性）对应于 PROV 设计理由的具体特征，展示了从对话通过形式推理的端到端集成。