Chain of Logic: Rule-Based Reasoning with Large Language Models

本文是LLM系列文章，针对《Chain of Logic: Rule-Based Reasoning with Large Language Models》的翻译。

摘要

基于规则的推理是法律推理的一种基本类型，它使我们能够通过将规则准确地应用于一组事实来得出结论。我们探索因果语言模型作为基于规则的推理器，特别是关于组成规则——由多个元素组成的规则，这些元素形成了复杂的逻辑表达式。关于组成规则的推理是具有挑战性的，因为它需要多个推理步骤，并注意元素之间的逻辑关系。我们介绍了一种新的提示方法——逻辑链，它通过分解（将元素作为独立的逻辑线程来求解）和重组（将这些子答案重新组合以求解底层逻辑表达式）来引发基于规则的推理。这种方法的灵感来自律师使用的顺序推理方法IRAC（问题、规则、应用、结论）框架。我们评估了八个基于规则的推理任务的逻辑链，这些任务涉及来自LegalBench基准的三个不同的组成规则，并使用开源和商业语言模型证明它始终优于其他提示方法，包括思维链和自问。

1 引言

2 背景

3 逻辑链

4 实验

5 结果与讨论

6 相关工作

7 局限性和未来工作

8 结论

在这项工作中，我们将因果语言模型探索为基于规则的推理器，并表明