通过 LLM 自动化语言偏置进行 ILP 假设生成
人工智能
2026-01-21 v2
摘要
归纳逻辑编程(ILP)是一种从数据中归纳规律并构建可解释逻辑程序作为假设的原理性方法。然而，其关键局限在于依赖专家手工制作的语言偏置——即界定搜索空间的谓词清单、类型和模式声明。我们提出通过 LLM 自动化语言偏置进行假设生成：多智能体 LLM 从原始文本中设计偏置并将描述转化为类型化事实，而鲁棒的 ILP 求解器在全局一致性目标下推导规则。该方法减少了传统 ILP 对预定义符号结构的依赖，以及仅使用 LLM 流水线直接将假设生成为文本或代码时的噪声敏感性。在多样且具挑战性的场景中的大量实验验证了其卓越性能，为假设生成提供了一条实用、可解释且可验证的途径。
引用
@article{arxiv.2505.21486,
title = {Hypothesis Generation via LLM-Automated Language Bias for ILP},
author = {Yang Yang and Jiemin Wu and Yutao Yue},
journal= {arXiv preprint arXiv:2505.21486},
year = {2026}
}
备注
accepted by AAAI 2026 Bridge LMReasoning