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

828 篇文章

已下架不支持订阅

本文探讨了使用大型语言模型进行基于规则的推理,特别是处理复杂逻辑表达式的组成规则。提出逻辑链提示方法,受律师的IRAC推理框架启发,通过分解和重组来引导推理。实验显示,逻辑链在基于规则的推理任务中优于其他方法,对增强语言模型的推理能力和减少对注释法律数据的依赖具有潜力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值