基于符号学框架的语义感知逻辑推理
人工智能
2026-04-23 v8
摘要
逻辑推理是大语言模型的基本能力。然而，现有研究往往忽视逻辑复杂性与语义复杂性之间的相互作用，导致系统难以处理抽象命题、模糊语境和相互冲突的立场，而这些正是人类推理的核心。我们提出了LogicAgent，一个由符号学方阵引导的框架，共同解决这两个维度的困难。符号学方阵为多视角语义分析提供了有原则的结构，LogicAgent将自动演绎与反思验证相结合，以管理更深推理链中的逻辑复杂性。为了支持在这些条件下的评估，我们引入了RepublicQA，一个将语义复杂性与逻辑深度相耦合的基准。RepublicQA达到了大学水平的语义难度（FKGL 11.94），包含具有哲学基础的抽象命题以及系统构建的反对和矛盾形式，并为评估大语言模型中的逻辑推理提供了语义丰富的环境。实验表明，LogicAgent在RepublicQA上实现了最先进的性能，较强基线平均提升6.25%，并有效泛化到主流逻辑推理基准，包括ProntoQA、ProofWriter、FOLIO和ProverQA，获得了额外的7.05%平均增益。这些结果证明了基于符号学的多视角推理在增强逻辑性能方面的有效性。代码可在https://github.com/AI4SS/Logic-Agent获取。
引用
@article{arxiv.2509.24765,
title = {Semantic-Aware Logical Reasoning via a Semiotic Framework},
author = {Yunyao Zhang and Xinglang Zhang and Junxi Sheng and Wenbing Li and Junqing Yu and Yi-Ping Phoebe Chen and Wei Yang and Zikai Song},
journal= {arXiv preprint arXiv:2509.24765},
year = {2026}
}
备注
Accepted at ACL 2026 (Main Conference)