Logisch redeneren in grote taalmodellen: Een overzicht

Logical Reasoning in Large Language Models: A Survey

February 13, 2025

Auteurs: Hanmeng Liu, Zhizhang Fu, Mengru Ding, Ruoxi Ning, Chaoli Zhang, Xiaozhang Liu, Yue Zhang

cs.AI

Samenvatting

Met de opkomst van geavanceerde redeneermodellen zoals OpenAI o3 en DeepSeek-R1 hebben grote taalmodellen (LLM's) opmerkelijke redeneervaardigheden aangetoond. Hun vermogen om echter rigoureuze logische redeneringen uit te voeren, blijft een open vraag. Deze survey synthetiseert recente ontwikkelingen in logisch redeneren binnen LLM's, een cruciaal gebied van AI-onderzoek. Het schetst de reikwijdte van logisch redeneren in LLM's, de theoretische grondslagen ervan, en de benchmarks die worden gebruikt om redeneervaardigheden te evalueren. We analyseren bestaande mogelijkheden over verschillende redeneerparadigma's - deductief, inductief, abductief en analogisch - en beoordelen strategieën om redeneerprestaties te verbeteren, waaronder datacentrische afstemming, reinforcement learning, decoderingsstrategieën en neuro-symbolische benaderingen. De review sluit af met toekomstige richtingen, waarbij de nadruk wordt gelegd op de noodzaak van verder onderzoek om logisch redeneren in AI-systemen te versterken.

English

With the emergence of advanced reasoning models like OpenAI o3 and DeepSeek-R1, large language models (LLMs) have demonstrated remarkable reasoning capabilities. However, their ability to perform rigorous logical reasoning remains an open question. This survey synthesizes recent advancements in logical reasoning within LLMs, a critical area of AI research. It outlines the scope of logical reasoning in LLMs, its theoretical foundations, and the benchmarks used to evaluate reasoning proficiency. We analyze existing capabilities across different reasoning paradigms - deductive, inductive, abductive, and analogical - and assess strategies to enhance reasoning performance, including data-centric tuning, reinforcement learning, decoding strategies, and neuro-symbolic approaches. The review concludes with future directions, emphasizing the need for further exploration to strengthen logical reasoning in AI systems.