从数据到常识推理：大型语言模型用于可解释人工智能

常识推理是计算机难以完成的任务，但也是人工智能（AI）的关键技能。它可以通过使模型能够为其决策提供直观且类似人的解释来增强AI模型的可解释性。这在许多领域尤为重要，特别是问答（QA），这是自然语言处理（NLP）中最重要的任务之一。随着时间的推移，出现了许多方法来解决常识推理问题，如使用形式逻辑或语言分析的知识库方法。本文我们考察了大型语言模型（LLMs）在不同QA任务上的有效性，重点关注其推理和可解释性能力。我们研究了三个LLMs：GPT-3.5、Gemma 和 Llama 3。我们通过问卷评估了LLM结果。我们展示了LLMs能够进行常识推理，模型在不同数据集上均超越了人类。尽管GPT-3.5的准确率在各种QA基准测试中从56%到93%不等，Llama 3在所有十一个数据集上的平均准确率达到90%。其中，Llama 3在所有数据集上都超越了人类，平均准确率比十个数据集高出21%。此外，我们可以评估到，从可解释人工智能（XAI）的角度来看，GPT-3.5为其决策提供良好的解释。我们的问卷显示，66%的受访者认为GPT-3.5的解释为“良好”或“优秀”。总体而言，这些发现丰富了对当前LLMs的理解，为未来推理和可解释性的研究指明了方向。