LLM-基础解释下的健全且完备的神经符号推理

大型语言模型（LLM）在自然语言理解和生成方面表现出令人印象深刻的能力，但它们在生成输出的逻辑一致性方面存在问题。我们如何利用LLM的广泛覆盖参数知识进行形式推理，尽管它们存在不一致性？我们提出了一种将LLM直接集成到次协调逻辑形式语义解释函数中的方法。我们通过使用从几个简短事实性基准创建的数据集评估该函数，提供了该方法可行性的实验证据。与先前的工作不同，我们的方法为神经符号推理提供了一个理论框架，该框架利用了LLM的知识，同时保留了底层逻辑的完备性和可靠性特性。