逻辑草图提示：一种确定性和可解释的提示方法
人工智能
2025-12-30 v1 机器学习
计算机科学中的逻辑
符号计算
摘要
大语言模型在自然语言推理方面表现出色，但在需要严格遵守规则、确定性和可审计性的任务上仍然不可靠。逻辑草图提示是一种轻量级的提示框架，它引入了类型化变量、确定性条件评估器以及基于规则的验证器，能够产生可追溯和可重复的输出。使用两项药理学逻辑合规性任务，我们在三个开源权重模型（Gemma 2、Mistral 和 Llama 3）上，将逻辑草图提示与零样本提示、思维链提示和简洁提示进行了基准测试。在这两项任务和所有模型中，逻辑草图提示始终达到最高的准确率（0.83至0.89）和F1分数（0.83至0.89），显著优于零样本提示（0.24至0.60）、简洁提示（0.16至0.30）和思维链提示（0.56至0.75）。McNemar检验显示，在几乎所有比较中，逻辑草图提示都取得了统计上显著的增益（p < 0.01）。这些结果表明，逻辑草图提示在不牺牲性能的情况下提高了确定性、可解释性和一致性，支持其在临床、受监管和安全关键的决策支持系统中使用。
引用
@article{arxiv.2512.22258,
title = {Logic Sketch Prompting (LSP): A Deterministic and Interpretable Prompting Method},
author = {Satvik Tripathi},
journal= {arXiv preprint arXiv:2512.22258},
year = {2025}
}