ConstraintChecker: A Plugin for Large Language Models to Reason on Commonsense Knowledge Bases

ConstraintChecker：大型语言模型的常识推理插件

最新推荐文章于 2025-11-24 18:29:32 发布

UnknownBody

最新推荐文章于 2025-11-24 18:29:32 发布

阅读量400

点赞数 8

CC 4.0 BY-SA版权

分类专栏： Knowledge Graph 文章标签：语言模型人工智能自然语言处理

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/136364186

Knowledge Graph 同时被 2 个专栏收录

85 篇文章 ¥99.90 ¥299.90

订阅专栏

LLM 日更

828 篇文章

已下架不支持订阅

本文介绍了ConstraintChecker，一个针对大型语言模型（LLM）的插件，旨在利用常识知识库进行推理。它通过生成并检查约束，帮助LLM处理基于常识的推理任务。实验结果显示，ConstraintChecker在推理基准上提高了提示技术的性能，达到当前最佳水平。然而，该方法在其他推理任务的适用性和模板设计的局限性是未来研究的方向。

本文是LLM系列文章，针对《ConstraintChecker: A Plugin for Large Language Models to Reason on Commonsense Knowledge Bases》的翻译。

摘要

基于常识知识库的推理（CSKB），即CSKB推理，已被探索为一种基于原始CSKB中的参考知识和外部先验知识来获取新的常识知识的方法。尽管大型语言模型（LLM）和提示工程技术在各种推理任务中取得了进步，但它们仍然难以处理CSKB推理。其中一个问题是，由于缺乏符号推理能力，他们很难仅从上下文示例中获得CSKB中的明确关系约束。为此，我们提出了ConstraintChecker，这是一个基于提示技术的插件，用于提供和检查显式约束。当考虑一个新的知识实例时，ConstraintChecker使用基于规则的模块来生成约束列表，然后使用零样本学习模块来检查该知识实例是否满足所有约束。然后将所获取的约束检查结果与主提示技术的输出进行聚合，以产生最终输出。在CSKB推理基准上的实验结果通过对所有提示方法的一致改进证明了我们的方法的有效性。代码和数据在https://github.com/HKUST-KnowComp/ConstraintChecker上可用。