推断潜在意图：基于归因的自然语言推理
计算与语言
2026-01-14 v1
摘要
归因推理，即预测观察行为背后潜在意图的能力，是大语言模型（LLMs）在多智能体环境中关键且鲜有人关注的能力。传统的自然语言推理（NLI）未能捕捉复杂交互系统中必需的细致、意图驱动的推理。为此，我们提出归因性 NLI（Att-NLI），一个将社会心理学原则引入 NLI 的框架，用于评估智能体进行归纳意图推断（生成关于潜在意图的假设）和随后演绎验证（得出有效逻辑结论）的能力。我们通过一个文本游戏 Undercover-V 实现了 Att-NLI，实验考察了三类具有不同推理能力和外部工具访问情况的 LLM 智能体：一种仅使用演绎推理的标准 NLI 智能体、一种采用归纳-演绎推理的 Att-NLI 智能体，以及一种集成外部定理证明器进行归纳-演绎推理的神经符号 Att-NLI 智能体。大量实验表明，归因推理能力呈明确的层次结构，神经符号智能体始终优于其他智能体，平均获胜率达17.08%。我们的结果凸显了 Att-NLI 在发展具备高级推理能力的智能体方面的作用，同时也彰显了神经符号 AI 在构建在多智能体环境中行动的理性 LLM 智能体方面的潜在影响。
引用
@article{arxiv.2601.08742,
title = {Inferring Latent Intentions: Attributional Natural Language Inference in LLM Agents},
author = {Xin Quan and Jiafeng Xiong and Marco Valentino and André Freitas},
journal= {arXiv preprint arXiv:2601.08742},
year = {2026}
}