Lyria：基于遗传算法驱动的 LLM 神经符号推理框架
人工智能
2026-02-10 v2
摘要
尽管 LLM 在 various 领域展现出惊人的能力，但它们仍面临两个主要问题：一个是 LLM 陷入局部最优，另一个是缺乏对解空间的穷尽覆盖。为此，我们提出了 Lyria，一种基于 LLM、遗传算法和符号系统集成的神经符号推理框架，包含 7 个关键组件。通过对 4 个 LLM 在 3 种问题类型上的大量实验，我们证明了 Lyria 的有效性。此外，基于 Lyria，我们扩展了其思想到 LLM 微调过程中，引入 LAFT，使较弱模型能够模仿在 Lyria 推理框架下进行推理的较强模型。我们通过对 9 个构建的基线进行大量实验，证明了 LAFT 的显著有效性。我们最终揭示了 Lyria 的局限性，并提供了关于未来方向的见解。
引用
@article{arxiv.2507.04034,
title = {Lyria: A Genetic Algorithm-Driven Neuro-Symbolic Reasoning Framework for LLMs},
author = {Weizhi Tang and Kwabena Nuamah and Vaishak Belle},
journal= {arXiv preprint arXiv:2507.04034},
year = {2026}
}