用于逻辑推理的非交互式符号辅助链律思考

本工作引入了符号辅助链律思考（Symbolic-Aided Chain-of-Thought，CoT），作为标准CoT的改进方法，用于大型语言模型（LLM）中的逻辑推理。其核心思想是将轻量级符号表示整合到少量样本提示中，通过一致的策略构建推理步骤，以在非交互式推理过程中使推理模式更加明确。通过引入这些符号结构，符号辅助CoT保持了标准提示技术的通用性，同时增强了LLM逻辑推理的透明性、可解释性和可分析性。在四个著名的逻辑推理基准测试——ProofWriter、FOLIO、ProntoQA和LogicalDeduction中进行了大量实验，这些基准覆盖了多样化的推理任务和场景，结果表明所提出方法的有效性，尤其是在需要遍历多个约束或规则的复杂推理任务中。值得注意的是，符号辅助CoT在各种模型规模下均能显著提升LLM的推理能力，在三个基准测试中（ProofWriter、ProntoQA和LogicalDeduction）均显著优于传统CoT。