思维逻辑：用逻辑程序赋能大语言模型求解自然语言谜题
人工智能
2025-05-23 v1
摘要
求解自然语言描述的谜题是人工智能领域一个长期存在的挑战。尽管大语言模型（LLMs）近期在各类任务中展现出令人印象深刻的能力，但它们在处理需要精确推理和穷举搜索的复杂谜题时仍面临困难。本文提出思维逻辑（Logic-of-Thought，Logot），一个将大语言模型与逻辑编程相结合以解决此问题的新颖框架。我们的方法利用大语言模型将谜题规则和状态转化为回答集程序（ASPs），然后由ASP解释器准确且高效地推断出解决方案。这种混合方法结合了大语言模型的自然语言理解能力与逻辑程序的精确推理能力。我们在多种网格谜题和涉及动作的动态谜题上评估了我们的方法，在所有任务中均展现出近乎完美的准确率。我们的代码和数据可在以下链接获取：https://github.com/naiqili/Logic-of-Thought。
引用
@article{arxiv.2505.16114,
title = {Logic-of-Thought: Empowering Large Language Models with Logic Programs for Solving Puzzles in Natural Language},
author = {Naiqi Li and Peiyuan Liu and Zheng Liu and Tao Dai and Yong Jiang and Shu-Tao Xia},
journal= {arXiv preprint arXiv:2505.16114},
year = {2025}
}