REGAL: Extracting Implicit Rules in Text Using LLMs with Logic Program Feedback

Rajasekharan, Abhiramon

doi:10.1007/978-3-032-15981-6_10

2026-01-01

PRE

Rajasekharan, Abhiramon *

Gupta, Gopal

DOI：10.1007/978-3-032-15981-6_10

原文链接

原文求助

摘要

En 中文

通过将文本推理问题翻译成逻辑已被证明是有效的，因为它减少了幻觉并允许逻辑求解器处理复杂推理。然而，有一个主要挑战使得该技术难以应用于许多实际推理问题。文本中提出的论点通常具有隐含规则，这些规则被假定为常识知识的一部分而被省略。它们需要被识别并显式添加到逻辑程序中以进行准确推理。这个过程通常称为论点重构。发现这些隐含逻辑规则是一个具有挑战性的问题，以往的文本到逻辑翻译系统难以应对。在本文中，我们提出一个新型系统，通过三个阶段重构这些隐含规则：(i) 将问题从文本翻译到一阶逻辑（FOL），(ii) 将FOL翻译为等效的s(CASP)答案集程序，该程序可以计算间隙谓词（其推导需要隐含规则的谓词），以及(iii) 使用大型语言模型（LLM）为这些间隙谓词生成所需的隐含规则。我们展示了我们的系统能够生成隐含规则，以有效解决来自一个专为大型语言模型设计且具有挑战性的流行基准中的推理问题。

Keyword:

Argument Reconstruction

Large Language Models

Answer Set Programming