SituatedThinker：通过situated thinking 将LLM推理 grounding 到真实世界
计算与语言
2025-05-27 v1
摘要
最近的大型语言模型(LLM)进展显示出惊人的推理能力。然而，限于内部参数空间的推理限制了LLM获取实时信息和理解物理世界的能力。为克服这一约束，我们引入SituatedThinker——一个新型框架，使LLM能够通过situated thinking将推理 grounding 到真实世界情境中，通过预定义接口智能地组合内部知识和外部信息。利用强化学习，SituatedThinker激励LLM与真实世界进行深入推理以获取信息和反馈，使LLM能够突破知识边界并提升推理能力。实验结果表明，SituatedThinker在多跳问答和数学推理基准测试中取得显著性能提升。此外，SituatedThinker在未见任务（如KBQA、TableQA和文本游戏）上也表现出色，展示了可泛化的真实世界grounded推理能力。我们的代码已公开于https://github.com/jnanliu/SituatedThinker。
引用
@article{arxiv.2505.19300,
title = {SituatedThinker: Grounding LLM Reasoning with Real-World through Situated Thinking},
author = {Junnan Liu and Linhao Luo and Thuy-Trang Vu and Gholamreza Haffari},
journal= {arXiv preprint arXiv:2505.19300},
year = {2025}
}
备注
Preprint