Raisonnement neuro-symbolique solide et complet avec des interprétations fondées sur les LLM
Sound and Complete Neuro-symbolic Reasoning with LLM-Grounded Interpretations
July 13, 2025
papers.authors: Bradley P. Allen, Prateek Chhikara, Thomas Macaulay Ferguson, Filip Ilievski, Paul Groth
cs.AI
papers.abstract
Les grands modèles de langage (LLMs) ont démontré des capacités impressionnantes en compréhension et génération du langage naturel, mais ils présentent des problèmes de cohérence logique dans les sorties qu'ils produisent. Comment pouvons-nous exploiter la connaissance paramétrique à large couverture des LLMs dans le raisonnement formel malgré leur incohérence ? Nous présentons une méthode pour intégrer directement un LLM dans la fonction d'interprétation de la sémantique formelle d'une logique paraconsistante. Nous fournissons des preuves expérimentales de la faisabilité de la méthode en évaluant la fonction à l'aide de jeux de données créés à partir de plusieurs benchmarks de factualité à court terme. Contrairement aux travaux antérieurs, notre méthode propose un cadre théorique pour le raisonnement neuro-symbolique qui tire parti des connaissances d'un LLM tout en préservant les propriétés de validité et de complétude de la logique sous-jacente.
English
Large language models (LLMs) have demonstrated impressive capabilities in
natural language understanding and generation, but they exhibit problems with
logical consistency in the output they generate. How can we harness LLMs'
broad-coverage parametric knowledge in formal reasoning despite their
inconsistency? We present a method for directly integrating an LLM into the
interpretation function of the formal semantics for a paraconsistent logic. We
provide experimental evidence for the feasibility of the method by evaluating
the function using datasets created from several short-form factuality
benchmarks. Unlike prior work, our method offers a theoretical framework for
neuro-symbolic reasoning that leverages an LLM's knowledge while preserving the
underlying logic's soundness and completeness properties.