基于实例的语言模型逻辑推理任务形式化
人工智能
2025-07-15 v3
摘要
大语言模型的推理鲁棒性仍然是一个重要挑战，而且增强其鲁棒性对于 AI 驱动的推理系统的实际应用至关重要。我们引入了语义自验证 (SSV) 方法，这是一种新颖的解决方法，旨在准确地将推理问题从自然语言形式化为求解器所使用的形式语言。SSV 采用基于一致性的方法，通过由模型生成的具体实例和求解器验证的具体实例来产生问题的强抽象形式化。在显著提升整体推理准确率方面，SSV 的一个关键新颖之处在于其验证功能在相当大的覆盖范围内几乎具有完美的精度，我们在开放推理基准测试中对此进行了展示。我们提出一种近乎确定的推理方法，以减少许多情况下手动验证的需求，使我们更接近于更可靠和自主的 AI 推理系统。
引用
@article{arxiv.2501.16961,
title = {Instantiation-based Formalization of Logical Reasoning Tasks using Language Models and Logical Solvers},
author = {Mohammad Raza and Natasa Milic-Frayling},
journal= {arXiv preprint arXiv:2501.16961},
year = {2025}
}
备注
IJCAI 2025