logical reasoning | BriefGPT

关键词logical reasoning

搜索结果 - 114

LLM-ARC: 提升 LLM 模型与自动推理评论家
LLM-ARC 是一个神经符号框架，通过将大语言模型（LLMs）与自动推理评论家（ARC）相结合，提升其逻辑推理能力。它采用了演员 - 评论家方法，其中 LLM 演员生成声明性逻辑程序和语义正确性测试，而自动推理评论家评估代码，运行测试，并
PDF7 days ago
具有上下文敏感声明性语法的扩展合成逻辑推理数据集
利用培训语言模型模仿定理证明器在过程生成的问题上进行逻辑推理仍然是自然语言处理的一个挑战。我们提出了一个更简单、更普遍的声明性框架，通过灵活的上下文敏感规则来绑定多种语言（特别是简化英语和 TPTP 定理证明语言），从而改进了逻辑推理的能力
PDF16 days ago
LogiCode：一种基于 LLM 的逻辑异常检测框架
LogiCode 是一个利用大型语言模型，针对工业环境中的逻辑异常进行识别的新型框架，通过利用大型语言模型进行逻辑推理，LogiCode 自动生成 Python 代码来定位诸如组件数量错误或缺失元素等异常，这在异常检测技术上取得了重大突破。
PDF25 days ago
大型语言模型知识推理的脑力激荡
通过多模型合作和多模型头脑风暴的方式，可以在逻辑推理和事实提取方面显著提高效果，并且发现两个小参数模型通过头脑风暴可以达到接近大参数模型的准确度，为大型语言模型的分布式部署提供了新的解决方案。
PDFa month ago
深度研究逻辑推理与 LLM：工具选择的重要性
通过将大型语言模型 (LLMs) 与各种符号求解器相结合，我们对 Z3、Pyke 和 Prover9 三个符号求解器的性能进行实验证明，其中与 LLMs 相结合时，Pyke 的性能明显低于 Prover9 和 Z3，Z3 的总体准确性略高于
PDFa month ago
ACL通过符号化推理保持逻辑的准确性
提出了一种基于大型语言模型的新型符号化思维链 (SymbCoT) 框架，通过将符号表达和逻辑规则与语言模型集成，以增强其逻辑推理能力，并在 5 个标准数据集上通过深入评估展示了显著的性能提升。
PDFa month ago
支持不完整用户查询的 LLM + 推理 + 规划在 API 存在的情况下
最近大型语言模型（LLMs）的可用性推动了许多基于 LLM 的方法的发展，旨在提供各种最终用户任务的自然语言接口。我们提出的方法的关键思想是利用逻辑推理和经典人工智能规划，结合 LLM 准确回答用户查询，包括识别和收集这些查询中的任何缺失信
PDFa month ago
MathDivide：利用大型语言模型提升数学推理能力
使用 MathDivide 提示技术将数学问题分解为简单的子问题，由大语言模型生成相应的 Python 代码来评估代数表达式的值，并根据子问题的解组合得出最终答案，结果表明 MathDivide 显著优于领先的提示技术 Math-promp
PDF2 months ago
基于提示的方法的逻辑否定增强和去偏
基于提示的方法在自然语言处理领域越来越受关注，并在许多下游任务中显示出其有效性。然而，鲜有研究探索这些方法在逻辑推理方面的能力。本研究针对提示方法在一阶逻辑推理方面的有效性进行研究，发现其中的瓶颈问题在于逻辑否定。根据我们的分析，逻辑否定往
PDF2 months ago
通过逻辑感知的课程调优改进知识图谱上的复杂推理
在本文中，我们提出了一个基于大型语言模型（LLMs）的知识图谱上的复杂逻辑推理模式，包括一个基于课程的逻辑感知调优框架，名为 LACT。通过二叉树分解来增强 LLMs 的推理能力，并设计了一个简单而灵活的逻辑感知课程学习框架，以解决不同类型
PDF2 months ago
大型语言模型的逻辑推理能力系统评估
最近发展的大型语言模型 (LLMs) 在各种语言理解任务上表现出色，但它们真正能够对自然语言进行 “推理” 吗？本文综合评估了 LLMS 在涵盖命题逻辑、一阶逻辑和非单调逻辑的 25 种不同推理模式上的逻辑推理能力，并引入了 LogicBe
PDF2 months ago
由谬误而推理：通过逻辑谬误理解增强大型语言模型的逻辑推理
大型语言模型 (LLMs) 在很多推理任务中表现出良好的性能，但在某些复杂推理任务，特别是逻辑推理方面仍然存在困难。为了评估 LLMs 的逻辑谬误理解能力 (LFU)，我们在本文中从 WHAT、WHY 和 HOW 三个认知维度中提出了五个具
PDF3 months ago
CVPR语言模型引导的可解释视频行为推理
通过语言模型引导的可解释的动作识别框架 (LaIAR)，提高了视频模型的性能和可解释性。
PDF3 months ago
ACLLeanReasoner: 用 Lean 增强复杂逻辑推理
利用 Lean 框架，将复杂的逻辑推理问题形式化为定理后进行求解，以减少逻辑不一致性的风险并提升处理复杂推理任务的能力，取得了在 FOLIO 数据集上的最先进表现，并在 ProofWriter 上接近该水平的成果。值得注意的是，这些结果是在
PDF3 months ago
任意 t - 范数上的模糊 Datalog$^\exists$
神经符号人工智能领域的主要挑战之一是在神经和符号数据的存在下进行逻辑推理。本文通过将模糊 Datalog 的存在性规则推广到模糊设置，允许使用任意 t - 范数，在保持计算复杂度结果和已建立的推理技术适用性的同时，允许对与不确定度相关的数据
PDF4 months ago
AS-ES 学习：小模型中高效的 CoT 学习
采用新的训练方法 AS-ES（Abstractive Segments - Extractive Segments）学习，利用 CoT 中的内在信息进行迭代生成，实验证明该方法在 MWP 和 PET 摘要等 CoT 广泛任务上优于直接的 s
PDF4 months ago
大型语言模型理解逻辑还是仅仅模仿语境？
大型语言模型在逻辑推理和符号推理等复杂场景中表现出色，但其在理解逻辑规则上存在限制，本文通过反事实方法探讨了大型语言模型的推理能力，强调了加强机制以确保其可靠的逻辑推理的需求。
PDF4 months ago
量化的布尔贝叶斯网络：逻辑图模型的理论与实验
本文介绍 Quantified Boolean Bayesian Network (QBBN)，提供了逻辑和概率推理的统一视角，通过创建具有逻辑推理基础的无界布尔变量的贝叶斯网络，以解决信息检索中大型语言模型（LLM）产生幻觉的问题，并且研
PDF5 months ago
大型语言用户界面：由 LLM 驱动的语音交互用户界面
通过利用大型语言模型 (LLMs) 的升级力量，本研究关注于构建一个可作为用户与用户界面之间中介的框架，通过对自然文本输入进行彻底分析，有效地理解用户需求，使得精心设计的 LLM 引擎能够分类最可能的可用应用程序，识别所需的用户界面组件，并
PDF5 months ago
评估仅编码器 Transformer 模型的逻辑推理能力
本文研究了仅编码器变换器语言模型在逻辑规则推理方面的能力，并通过多个数据集的实验结果表明，这些语言模型在确定逻辑有效性上取得了合理的程度，但在迁移能力方面存在困难，可能是学习了特定数据集的特征而不是一般的能力，同时通过分层探测实验证明假设分
PDF6 months ago