利用大语言模型进行自然语言到时序逻辑的语法强制翻译
计算与语言
2025-12-19 v1 人工智能
摘要
将自然语言（NL）翻译为形式语言如时序逻辑（TL），对于人类与机器人和自主系统的通信至关重要。最先进的方法将任务分解为原子命题（AP）提升阶段和翻译阶段。然而，现有方法在精确提升、共指存在性以及有限数据学习方面存在困难。本文提出一个称为语法强制翻译（GraFT）的 NL 到 TL 翻译框架。该框架基于以下观察：先前工作通过让语言模型从完整词汇表中迭代预测令牌来解决提升和翻译两个步骤。相比之下，GraFT 通过将每步的有效输出令牌集从完整词汇表限制为仅少数几个，从而降低了两个任务的复杂度。解空间的缩减是通过利用每个问题的独特属性实现的。我们还为解空间缩减为何导致更高效学习提供了理论依据。我们使用 CW、GLTL 和 Navi 基准测试评估 GraFT 的有效性。与最先进的翻译方法相比，可以观察到 GraFT 平均将端到端翻译准确率提高了 5.49%，将域外翻译准确率提高了 14.06%。
引用
@article{arxiv.2512.16814,
title = {Grammar-Forced Translation of Natural Language to Temporal Logic using LLMs},
author = {William English and Dominic Simon and Sumit Kumar Jha and Rickard Ewetz},
journal= {arXiv preprint arXiv:2512.16814},
year = {2025}
}