集成 LLM 诱导的决策树以实现可解释且鲁棒的错误检测
计算与语言
2025-12-09 v1
摘要
错误检测（ED）旨在识别表格数据中不正确或不一致的单元格值，对于确保数据质量至关重要。最近最先进的错误检测方法利用大型语言模型（LLM）中嵌入的预训练知识和语义能力，直接标记单元格是否错误。然而，这种“LLM 作为标注器”的流程（1）依赖于黑箱的、隐式的决策过程，因此无法为检测结果提供可解释性，并且（2）对提示高度敏感，由于模型固有的随机性而产生不一致的输出，因此缺乏鲁棒性。为了解决这些局限性，我们提出了一种“LLM 作为诱导器”的框架，该框架采用 LLM 来诱导用于错误检测的决策树（称为 TreeED），并进一步集成多棵这样的树以进行共识检测（称为 ForestED），从而提高可解释性和鲁棒性。具体来说，基于从数据上下文、决策树规范和输出要求中导出的提示，TreeED 查询 LLM 以诱导决策树骨架，其从根到叶的决策路径指定了评估给定样本的逐步过程。每棵树包含三种类型的节点：（1）执行简单验证检查（例如，格式或范围）的规则节点，（2）捕获复杂模式（例如，函数依赖）的图神经网络（GNN）节点，以及（3）输出最终决策类型（错误或干净）的叶节点。此外，ForestED 采用基于不确定性的采样来获得多个行子集，使用 TreeED 为每个子集构建一棵决策树。然后，它利用基于期望最大化的算法，联合估计树的可靠性并优化共识错误检测预测。大量实验表明，我们的方法准确、可解释且鲁棒，其平均 F1 分数比最佳基线提高了 16.1%。
引用
@article{arxiv.2512.07246,
title = {Ensembling LLM-Induced Decision Trees for Explainable and Robust Error Detection},
author = {Mengqi Wang and Jianwei Wang and Qing Liu and Xiwei Xu and Zhenchang Xing and Liming Zhu and Wenjie Zhang},
journal= {arXiv preprint arXiv:2512.07246},
year = {2025}
}
备注
14 pages, 8 figures