FaiRR：基于自然语言的忠实且鲁棒的演绎推理

Transformer 已被证明能够在包含用自然语言编写的规则和陈述的逻辑规则库上进行演绎推理。最近的研究表明，此类模型还能生成模拟模型逻辑推理过程的推理步骤（即证明图）。目前，这些黑盒模型在同一个模型内生成证明图和中间推理，因此可能是不忠实的。在这项工作中，我们通过定义三个模块化组件来构建演绎逻辑推理任务：规则选择、事实选择和知识组合。规则选择和事实选择步骤选择要使用的候选规则和事实，然后知识组合将它们结合起来生成新的推理。这通过确保从证明步骤到推理的因果关联来保证模型的忠实性。为了测试我们的框架，我们提出了 FaiRR（忠实且鲁棒的推理器），其中上述三个组件由 Transformer 独立建模。我们观察到，FaiRR 对新颖的语言扰动具有鲁棒性，并且在现有推理数据集上的推理速度比先前的工作更快。此外，与黑盒生成模型相比，由于模块化方法，FaiRR 所犯的错误更具可解释性。