使用 LegalRuleML 实现推理
本文提出了一种基于 TPTP 格式的伦理多元化推理语言,并提供了 LegalRuleML 与该语言之间的翻译模式,基于该模式提出了一种灵活的自动化伦理推理架构。
Sep, 2022
机器学习模型,特别是语言模型,被应用于需要推理的各种任务。我们探索了 transformers 将自然语言中表达规则的句子翻译成逻辑规则的能力,以便进行可信的和受控制的逻辑推理。通过使用 DKET 数据集和基于 Atomic 知识库的语言到逻辑翻译数据集进行实验。
Nov, 2023
通过强化学习与逻辑反馈,加强语言模型在逻辑推理方面的能力,为处理复杂法律推理任务的大型语言模型的发展提供新的研究途径,并承认了语言与逻辑之间的基本联系。
Nov, 2023
本文针对行为规范方面,将 Meta rules 适用于可撤销逻辑中,提出了两个变体的 Defeasible Deontic Logic,并针对这两个变体提出了高效的算法,此方法可适用于法规和信息技术领域。
Sep, 2022
提倡使用 LLMs 来增强基于规则的法律系统的可访问性、使用性和可解释性,为法律技术的民主和利益相关者导向视角做出贡献。发展了一种方法来探索 LLMs 在将规则系统生成的解释从高级编程语言翻译成自然语言上的潜在应用,使所有用户能够快速、清晰和便捷地与这些技术进行交互。研究还进一步建立在这些解释之上,通过使用一系列提示链来赋予非专业人士在自己身上执行复杂的法律任务的能力,用于对相同事实案例应用基于规则的不同推理的自主法律比较。
Nov, 2023
以 IRAC 框架为灵感,我们引入了一种新的提示方法 - 逻辑链,通过分解(作为独立的逻辑线索解决元素)和重组(将这些子答案重新组合以解决潜在的逻辑表达式)来引发基于规则的推理。我们在涉及三个不同组合规则的八个基于规则的推理任务中对逻辑链进行了评估,并使用开源和商业化的语言模型展示其一贯优于其他提示方法,包括思维链和自问。
Feb, 2024
研究用自然语言作为代表知识的表示方法进行归纳推理的新任务 DEER 数据集,提出新的自动度量标准以及基于哲学文献的新任务框架,并且证明了预先训练好的语言模型在该任务上表现优秀。
Dec, 2022
TR2MTL 框架利用大型语言模型自动将交通规则(TR)翻译成度量时态逻辑(MTL),实现对自动驾驶规则形式化的人机协同系统。它采用一种上下文学习方法引导语言模型逐步进行翻译,生成有效且语法正确的 MTL 公式,具有高准确性和泛化能力。同时,该方法能有效地预测不规则交通规则中具有不同逻辑和语义结构的公式。
Jun, 2024
利用大型语言模型 (ChatRule) 在知识图谱中挖掘逻辑规则,包括基于语义和结构信息的规则生成器以及利用现有知识图谱评估和验证规则的模块,展示了方法的有效性和可扩展性。
Sep, 2023