基于本体论引导的神经符号推理：将语言模型 grounding 到数学领域知识

语言模型存在根本性局限——幻觉、脆弱性以及缺乏形式化 grounding——在需要可验证推理的高风险专业领域尤其 problematic。我研究在神经符号管道中引入形式领域本体论是否通过检索增强生成来提高语言模型可靠性。以数学为概念验证，实现了利用OpenMath本体，结合混合检索和cross-encoder重排序，将相关定义注入模型提示。在MATH基准测试中使用三个开源模型评估，发现本体论引导的上下文在检索质量较高时提升性能，但无关上下文会主动降低性能——凸显了神经符号方法的前景与挑战。