LongCat-Flash-Prover: Advancing Native Formal Reasoning via Agentic Tool-Integrated Reinforcement Learning
Meituan(美团)
本文提出LongCat-Flash-Prover,一个5600亿参数的混合专家模型,通过集成工具的强化学习提升Lean4中的原生形式推理能力,实现了自动形式化、草图生成和证明三大能力,并通过混合专家迭代框架和分层重要性采样策略提升训练效率。
2026-03-22 cs.AI cs.CL
Sequent-Prover: Training Agents for Formal, Checkable SMT-based Reasoning
Case Western Reserve University(凯斯西储大学);UT Austin(德克萨斯大学奥斯汀分校);Microsoft Research(微软研究院)
Sequent-Prover是一类使用验证器的语言模型智能体,通过验证器条件轨迹蒸馏后训练框架,在37个基准测试上提升了4B模型的SMT推理准确率与可靠性,减少了SMT调用次数和token数,答案有可执行形式化产物支撑。
2026-10-14 cs.AI cs.CL cs.LG
Ineq-Comp: Benchmarking Human-Intuitive Compositional Reasoning in Automated Theorem Proving on Inequalities
Princeton Language and Intelligence(普林斯顿语言与智能);Princeton University(普林斯顿大学);Peking University(北京大学);Tsinghua University(清华大学);Amazon(亚马逊)
本文提出 Ineq-Comp 不等式组合推理基准,通过变量复制、代数重写和多步组合测试 LLM 证明器,发现主流模型即使获得子证明仍存在显著组合推理缺陷。
2025-10-20 cs.AI cs.CL cs.LG
LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers
MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);MIT BCS(麻省理工学院脑与认知科学系)
提出神经符号方法LINC,利用LLM将自然语言翻译为一阶逻辑表达式并交由外部定理证明器执行推理,在FOLIO和ProofWriter上显著提升了逻辑推理性能。
2024-02-14 cs.AI cs.CL
LLM Library Learning Fails: A LEGO-Prover Case Study
University of Toronto(多伦多大学);Vector Institute(向量研究所);Dalhousie University(达尔豪斯大学)
本文以LEGO-Prover为例,发现LLM库学习未实现引理的直接或软重用,且在考虑计算成本后任务准确率提升消失,呼吁对基于LLM的库学习进行严肃重新审视并采用更严格的评估标准。
2025-04-03 cs.CL cs.LG
Logically Consistent Adversarial Attacks for Soft Theorem Provers
Imperial College London(帝国理工学院);ByteDance(字节跳动)
人工智能社区最近的努力已经取得了令人印象深刻的成果,使用语言模型对自然语言句子进行“软定理证明“。我们提出了一个新的生成对抗框架,用于探测和提高这些模型的推理能力。该领域中的对抗攻击遭受逻辑不一致问题,由此对输入的扰动可能改变标签。我们的逻辑一致的对抗性攻击器LAVA通过将结构化生成过程与符号求解器相结合来解决这个问题,从而保证逻辑一致性。我们的框架成功地生成了对抗攻击,并识别了多个目标模型中常见的全局弱点。我们的分析揭示了这些模型的推理能力中的幼稚的逻辑学和漏洞,暴露了对逻辑程序下的逻辑演绎的不完全掌握。最后,除了有效地探测这些模型之外,我们还展示了对生成的样本进行训练可以提高目标模型的性能。
2022-04-29 cs.CL cs.CR cs.LG
Spark-Prover-X1: Formal Theorem Proving Through Diverse Data Training
iFlytek Research(iFlytek研究院)
Spark-Prover-X1通过多样化数据训练提升轻量级LLMs的形式推理能力,实现形式定理证明的突破。
2025-12-01 cs.CL
Rewarding Progress: Scaling Automated Process Verifiers for LLM Reasoning
Google Research(谷歌研究院);Carnegie Mellon University(卡内基梅隆大学);Google DeepMind(谷歌DeepMind)
提出过程优势验证器(PAVs),通过在独立证明者策略下衡量推理步骤的进展来改进LLM,显著提升了测试时搜索与在线RL的准确率和计算效率。
2024-10-10 cs.CL cs.LG
Interpretable by AI Mother Tongue: Native Symbolic Reasoning in Neural Models
PARRAWA AI
该框架让神经模型发展出原生符号语言AI母语,通过嵌入推理、门控归纳和顺序训练,实现透明推理,在AI任务上兼顾准确性与可验证性。
2025-08-26 cs.AI cs.CL cs.LG
MathAdv: What Theorem Provers Know, Reason, Formalize, and Generalize
University of Maryland(马里兰大学);Georgia Institute of Technology(佐治亚理工学院);Cornell University(康奈尔大学);All Purpose AI
本研究推出涵盖13个数学领域的诊断基准MathAdv,结合Lean 4评估当代定理证明器,发现形式化是瓶颈、性能跨领域差异大等问题,为分组件评估模型能力提供依据。
2026-10-20 cs.AI cs.CL cs.LO
Self-Assembling Modular Networks for Interpretable Multi-Hop Reasoning
UNC Chapel Hill(北卡罗来纳大学教堂山分校)
多跳QA需要一个模型来连接分散在长上下文中的多个证据来回答问题。最近提出的HotpotQA(Yang等人,2018)数据集由体现四种不同的多跳推理范例(两个桥接实体设置、检查多个属性和比较两个实体)的问题组成,使得单个神经网络处理所有四个问题具有挑战性。在这项工作中,我们提出了一个可解释的,基于神经网络的自组装神经模块网络(Hu et al.,2017年,2018年)的多跳推理,在那里我们设计了四个新的模块(查找,重新定位,比较,NoOp)来执行独特类型的语言推理。基于一个问题,我们的布局控制器RNN动态地推断一系列推理模块来构建整个网络。从经验上讲,我们表明,我们的动态,多跳模块化网络实现了显着的改进,静态,单跳基线(定期和对抗性评估)。我们通过三个分析进一步证明了我们的模型的可解释性。首先,控制器可以将多跳问题软分解为多个单跳子问题,以促进主网络的组合推理行为。其次,控制器可以预测符合人类专家设计的布局的布局。最后,中间模块可以通过处理来自控制器的子问题来推断连接两个远距离定位的支持事实的实体。
2019-10-30 cs.AI cs.CL cs.LG
NUM2EVENT: Interpretable Event Reasoning from Numerical time-series
International Digital Economy Academy (IDEA)(国际数字经济学院(IDEA));University of Nottingham Ningbo(诺丁汉大学宁波校区)
针对大语言模型对纯数值时间序列理解有限、现有方法无法揭示驱动数值变化的潜在事件的问题,本研究提出数值到事件推理任务及整合AGE、EveDTS与两阶段微调的推理感知框架,在多领域数据集上事件级精确率和召回率均优于强基线,为衔接定量推理与语义理解提供新方向。
2025-10-24 cs.AI cs.CL cs.LG
MolReasoner: Toward Effective and Interpretable Reasoning for Molecular LLMs
DP Technology, Beijing, China(DP技术有限公司);AI for Science Institute, Beijing, China(AI for Science研究院);Shanghai Jiao Tong University, Shanghai, China(上海交通大学);Fudan University, Shanghai, China(复旦大学)
MolReasoner通过两阶段框架提升分子大语言模型的推理能力和可解释性,有效减少幻觉并提高生成质量。
2026-02-22 cs.AI cs.CL cs.LG
Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning
Monash University(莫纳什大学);Griffith University(格里菲斯大学)
本文提出图上推理方法RoG,通过规划-检索-推理框架将知识图谱结构信息与大语言模型协同,在提升知识图谱问答性能的同时实现忠实且可解释的推理。
2024-02-24 cs.AI cs.CL
multiPRover: Generating Multiple Proofs for Improved Interpretability in Rule Reasoning
UNC Chapel Hill(北卡罗来纳大学教堂山分校)
我们专注于一种语言形式推理,其目标是以自然语言事实和规则的形式对显式知识进行推理(Clark等人,2020年)。最近的一项工作,名为PRover(Saha等人,2020)通过回答问题并生成解释答案的证明图来执行这种推理。然而,组合推理并不总是唯一的,可能有多种方法可以达到正确的答案。因此,在我们的工作中,我们解决了一个新的和具有挑战性的问题,产生多个证明图推理的自然语言规则库。每个证明都为答案提供了不同的理由,从而提高了这种推理系统的可解释性。为了共同学习所有的证明图,并利用一个问题的多个证明之间的相关性,我们把这个任务作为一个集生成问题的结构化输出空间,其中每个证明表示为一个有向图。我们提出了两个变种的证明集生成模型,multiPR。我们的第一个模型,Multilabel-multiPRover,通过多标签分类和隐式条件之间的证明生成一组证明;而第二个模型,迭代-multiPRover,通过显式条件迭代地生成证明先前生成的证明。在多个合成、zero-shot和人类释义数据集上的实验表明,这两个multiPRover模型在包含多个黄金证据的数据集上的性能显著优于PRover。Iterative-multiPR over在所有示例只有一个正确证明的zero-shot场景中获得最先进的证明F1。它还可以更好地推广到需要更高推理深度的问题,其中多个证明更频繁。我们的代码和模型可在http…
2021-06-02 cs.AI cs.CL cs.LG
Learning Reasoning Strategies in End-to-End Differentiable Proving
UCL Centre for Artificial Intelligence, University College London(伦敦大学学院人工智能中心);Facebook AI Research(Facebook 人工智能研究院)
试图使深度学习模型具有可解释性、数据高效性和鲁棒性的尝试已经通过与基于规则的系统的混合取得了一些成功,例如在神经定理证明器(NTP)中。这些神经符号模型可以通过反向传播从数据中归纳出可解释的规则和学习表示,同时为其预测提供逻辑解释。然而,它们受到其计算复杂性的限制,因为它们需要考虑所有可能的证明路径来解释目标,从而使它们不适合大规模应用。我们提出了条件定理证明器(CTPs),NTPs的扩展,通过基于梯度的优化来学习最佳规则选择策略。我们证明了CTP是可扩展的,并在CLUTRR数据集上产生了最先进的结果,该数据集通过学习在较小的图上进行推理并在较大的图上进行评估来测试神经模型的系统概括。最后,CTP显示出更好的链接预测结果与其他神经符号模型相比,在标准的基准测试,同时被解释。所有源代码和数据集都可以在https://github.com/uclnlp/ctp上获得。
2020-08-24 cs.AI cs.CL cs.LG
Selection-Inference: Exploiting Large Language Models for Interpretable Logical Reasoning
DeepMind(深度思维)
大语言模型(LLM)已经被证明能够对新任务进行令人印象深刻的Few-Shot概括。然而,他们仍然倾向于在多步逻辑推理问题上表现不佳。在这里,我们对50个任务进行了全面的LLM评估,这些任务探索了逻辑推理的不同方面。我们发现,语言模型往往在单步的推理或蕴涵任务中表现得相当好,但很难将多个推理步骤链接在一起来解决更复杂的问题。有鉴于此,我们提出了一个选择-推理(SI)框架,该框架利用预先训练的LLM作为通用处理模块,并在选择和推理之间交替,以生成一系列可解释的、随意的推理步骤,从而得出最终答案。我们表明,在SI框架内使用的7 B参数LLM在5杆泛化设置,没有微调,产生超过100%的性能改善相比,一套10逻辑推理任务的等效香草基线。在相同的设置中,相同的模型在相同的任务套件上甚至优于显著更大的280 B参数基线。此外,由SI框架产生的答案伴随着因果自然语言为基础的推理轨迹,这对系统的安全性和可信度具有重要意义。
2022-05-19 cs.AI cs.CL
Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue Systems
University of California, Santa Barbara(加州大学圣巴巴拉分校);Amazon Alexa AI(亚马逊Alexa人工智能部门)
如今,与语音助手交互的用户需要以非常特定的方式表达他们的请求,以获得适当的响应。这限制了用户体验,部分原因是对话平台缺乏推理能力,以及需要大量劳动的手工规则。提高用户体验和减轻设计人员的手工劳动的一种可能的方法是建立一个端到端的对话系统,该系统可以在感知用户的话语的同时自己进行推理。在这项工作中,我们提出了一种新的方法,将知识推理能力纳入对话系统在一个更可扩展和推广的方式。我们提出的方法允许一个单一的Transformer模型直接在大规模的知识图谱上行走,以生成响应。据我们所知,这是第一个工作,有Transformer模型产生的反应,通过推理可微知识图谱。我们调查的推理能力,所提出的方法在面向任务和特定领域的聊天对话。实验结果表明,该方法可以有效地将知识图谱整合到具有完全可解释推理路径的对话系统中。
2022-03-20 cs.AI cs.CL
Scaling Natural-Language Graph-Based Test Time Compute for Automated Theorem Proving
Boston University;Provadis School of International Management \& Technology;Duke University;Algoverse AI Research
提出KG-prover框架,利用从权威数学文本挖掘的知识图谱增强通用大语言模型,通过扩展图结构的测试时计算显著提升自动定理证明性能。
2026-05-23 cs.CL
A Comparative Study of Neurosymbolic AI Approaches to Interpretable Logical Reasoning
Raffles Institution(拉夫斯学院)
本研究比较了神经符号AI中整合与混合两种方法,发现混合方法(如LLM-SS)在通用逻辑推理上更具可解释性和优势,并提出了一个模块化、模型无关的通用框架。
2025-08-05 cs.AI cs.CL cs.LG
MATP-BENCH: Can MLLM Be a Good Automated Theorem Prover for Multimodal Problems?
Hong Kong University of Science and Technology(香港理工大学);Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳))
本文提出多模态自动定理证明基准 MATP-BENCH,包含 1056 个来自高中、大学和竞赛数学的定理,并配套 Lean 4、Coq 和 Isabelle 形式化,用于评估 MLLMs 结合视觉理解与符号推理生成形式证明的能力,实验显示现有方法解决率有限,构成开放挑战。
2025-06-06 cs.CL
CRISP: Complex Reasoning with Interpretable Step-based Plans
IBM Research(IBM研究院)
本文挑战LLMs仅靠少样本提示即可生成有效计划的假设,提出多领域高级计划数据集CRISP,通过微调小模型生成更高质量计划,显著优于CoT推理且具备跨领域泛化能力。
2025-07-09 cs.AI cs.CL
Locate Then Ask: Interpretable Stepwise Reasoning for Multi-hop Question Answering
Fudan University(复旦大学)
多跳推理需要聚合多个文档来回答一个复杂的问题。现有的方法通常将多跳问题分解为简单的单跳问题来求解,以说明可解释的推理过程。然而,他们忽略了每个推理步骤的支持事实,这往往会产生不准确的分解。在本文中,我们提出了一个可解释的逐步推理框架,将单跳支持句子识别和单跳问题生成在每个中间步骤,并利用当前跳下一个推理,直到推理出最终结果。我们采用一个统一的阅读器模型的中间跳推理和最终跳推理,并采用联合优化更准确和强大的多跳推理。我们在两个基准数据集HotpotQA和2WikiMultiHopQA上进行实验。结果表明,我们的方法可以有效地提高性能,也产生了一个更好的解释推理过程中没有分解监督。
2022-08-22 cs.CL
Cognitive Episodes in LLM Reasoning Traces Enable Interpretable Human Item Difficulty Prediction
Virginia Tech(弗吉尼亚理工大学);University of Maryland(马里兰大学);MBZUAI(穆桑大学人工智能研究所);University of Pittsburgh(匹兹堡大学)
提出Epi2Diff框架,将大型推理模型的推理轨迹映射为认知片段序列,通过推理规模、努力分配和状态转换建模项目难度,在真实数据集上优于基线方法。
2026-08-11 cs.AI cs.CL cs.CY
An Interpretable Reasoning Network for Multi-Relation Question Answering
State Key Lab. of Intelligent Technology and Systems(智能技术与系统国家重点实验室);National Lab. for Information Science and Technology(信息科学与技术国家实验室);Dept. of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系)
多关系问答是一个具有挑战性的任务,因为它需要对问题进行详细的分析,并对知识库中的多个事实三元组进行推理。在本文中,我们提出了一种新的模型,称为可解释的推理网络,采用了可解释的,逐跳推理过程的问答。该模型动态地决定输入问题的哪一部分应该在每一跳进行分析;预测与当前解析结果相对应的关系;利用预测的关系来更新问题表示和推理过程的状态;然后驱动下一跳推理。实验表明,我们的模型在两个数据集上产生了最先进的结果。更有趣的是,该模型可以为推理分析和故障诊断提供可跟踪和可观察的中间预测,从而允许手动操作预测最终答案。
2018-06-01 cs.CL
SatLM: Satisfiability-Aided Language Models Using Declarative Prompting
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
提出SatLM方法,利用LLM生成声明式规范并借助自动定理证明器求解,在8个数据集上超越程序辅助模型,GSM子集提升23%,LSAT和BoardgameQA取得新最优。
2023-10-11 cs.AI cs.CL
OncoReason: Structuring Clinical Reasoning in LLMs for Robust and Interpretable Survival Prediction
提出统一多任务学习框架,通过监督微调、思维链提示和强化学习三种对齐策略,使自回归大语言模型在MSK-CHORD数据集上联合进行二元生存分类、连续生存时间回归和自然语言理由生成,实现可解释的生存预测。
2026-05-30 cs.CL cs.LG
Reasoning without Gold Standards: A Proxy-Judge Theory of Autoformalization
Idiap Research Institute(Idiap研究所);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);University of Manchester(曼彻斯特大学);CRUK National Biomarker Centre, University of Manchester(英国癌症研究中心国家生物标志物中心,曼彻斯特大学)
提出无参考的代理-裁判框架,通过多轴属性检查替代金标准匹配,实现自动形式化的迭代优化,理论保证收敛,实验提升通过率。
2026-10-16 cs.CL
Do Cognitively Interpretable Reasoning Traces Improve LLM Performance?
Arizona State University(亚利桑那州立大学)
本文通过微调 LLaMA 和 Qwen 模型并开展人类受试者研究,发现性能最优的 DeepSeek R1 推理轨迹可解释性反而最差,表明中间推理 token 与用户可解释性可以解耦。
2025-08-21 cs.AI cs.CL
Prediction or Comparison: Toward Interpretable Qualitative Reasoning
Beijing Institute of Technology(北京理工大学)
定性关系说明了如何改变一个属性(例如,移动速度)影响另一个(例如,动能),并构成了文本知识的相当大的一部分。当前的方法要么使用语义解析器将自然语言输入转换为逻辑表达式,要么使用“黑盒”模型一步解决它们。前者适用范围有限,后者缺乏可解释性。在这项工作中,我们将定性推理任务分为两种类型:预测和比较。特别地,我们采用端到端方式训练的神经网络模块来模拟这两个推理过程。在两个定性推理问答数据集上的实验表明了该方法的有效性和泛化能力,并且模块提供的中间输出使推理过程具有可解释性。
2021-06-04 cs.CL
Towards Interpretable Reasoning over Paragraph Effects in Situation
Microsoft Research Asia(微软亚洲研究院);Beijing Institute of Technology(北京理工大学);Microsoft(微软)
我们专注于推理的任务段落的影响情况下,这需要一个模型来理解的原因和影响描述的背景段落,并将知识应用到一个新的情况。现有的工作忽略了复杂的推理过程,并解决了一个一步的“黑箱”模型。受人类认知过程的启发,在本文中,我们提出了一个顺序的方法,明确建模的推理过程的每一步与神经网络模块。特别是,五个推理模块以端到端的方式设计和学习,这导致了一个更可解释的模型。在ROPES数据集上的实验结果证明了该方法的有效性和可解释性。
2020-10-03 cs.CL
Bonsai: Interpretable Tree-Adaptive Grounded Reasoning
Johns Hopkins University(约翰斯·霍普金斯大学)
提出Bonsai组合概率推理系统,通过检索接地证据生成可适应推理树,在多领域问答与人类对齐实验中匹配黑盒性能,同时提供可解释且不确定性感知的推理轨迹。
2025-04-04 cs.AI cs.CL cs.CV
An Interpretable Neuro-Symbolic Reasoning Framework for Task-Oriented Dialogue Generation
The University of Melbourne(墨尔本大学)
本文研究了面向任务的对话系统的可解释性问题。以前,大多数基于神经的面向任务的对话系统采用隐式推理策略,使模型预测无法解释给人类。为了获得一个透明的推理过程,我们引入神经符号执行显式推理,证明模型的决策推理链。由于推导推理链需要多跳推理面向任务的对话,现有的神经符号方法会导致错误传播,由于一个阶段的设计。为了克服这一点,我们提出了一个两阶段的方法,包括一个假设发生器和推理。我们首先得到多个假设,即,潜在的操作,以执行所需的任务,通过假设生成器。然后,推理器验证每个假设,并选择有效的假设进行最终预测。整个系统的训练是利用原始文本对话,而不使用任何推理链注释。在两个公共基准数据集上的实验结果表明,该方法不仅取得了较好的结果,而且引入了一个可解释的决策过程。
2022-03-11 cs.CL
Safety is Not Only About Refusal: Reasoning-Enhanced Fine-tuning for Interpretable LLM Safety
Carnegie Mellon University(卡内基梅隆大学)
针对传统大语言模型安全对齐依赖僵化拒绝策略、难以应对复杂安全场景的问题,提出推理增强微调框架Rational,通过显式安全推理实现上下文敏感决策,兼顾安全性与回复合理性。
2025-09-29 cs.CL cs.CR
Why Struggle with Continuous Latents? Interpretable Discrete Latent Reasoning via Rendered Compression
Shanghai Jiao Tong University(上海交通大学);Tongji University(同济大学)
提出离散潜变量推理(DLR)方法,将连续潜状态转化为离散令牌,通过渲染压缩实现高效、可解释的潜空间推理,在五个基准上优于先前方法并达到20倍压缩。
2026-11-03 cs.CL
Interpretable AMR-Based Question Decomposition for Multi-hop Question Answering
University of Auckland(奥克兰大学)
有效的多跳问答(QA)需要对多个分散的段落进行推理,并为答案提供解释。大多数现有的方法不能提供一个可解释的推理过程来说明这些模型是如何得出答案的。本文提出了一种基于抽象意义表示的多跳QA问题分解方法(QDAMR),通过将多跳问题分解为简单的子问题并按顺序回答,实现了可解释的推理。由于注释分解是昂贵的,我们首先将理解多跳问题的复杂性委托给AMR解析器。然后,我们实现了多跳问题的分解,通过分割相应的AMR图的基础上所需的推理类型。最后,我们使用AMR到文本生成模型生成子问题,并使用现成的QA模型回答它们。HotpotQA上的实验结果表明,我们的方法是有竞争力的可解释的推理和QDAMR生成的子问题是良好的形式,优于现有的基于问题分解的多跳QA方法。
2022-06-16 cs.CL
Advancing AI-Scientist Understanding: Multi-Agent LLMs with Interpretable Physics Reasoning
NSF Center for Quantum Network(NSF量子网络中心);University of California, Los Angeles(加州大学洛杉矶分校)
本文提出多智能体LLM物理学家框架,通过推理、解释和AI-科学家交互三个模块,将LLM输出构建为透明可验证的科学模型,提升物理研究中的人机协作与可解释性。
2025-08-18 cs.AI cs.CL cs.HC
TaxonRL: Reinforcement Learning with Intermediate Rewards for Interpretable Fine-Grained Visual Reasoning
Hasso Plattner Institute;University of Potsdam(波茨坦大学)
TaxonRL通过强化学习和中间奖励实现结构化层次推理,提升细粒度视觉分类的准确性和可解释性。
2026-03-04 cs.CL cs.CV
Inter-GPS: Interpretable Geometry Problem Solving with Formal Language and Symbolic Reasoning
Sun Yat-sen University(中山大学);Beijing Institute of General Artificial Intelligence(北京通用人工智能研究院);Peking University(北京大学);Tsinghua University(清华大学);Zhejiang University(浙江大学)
几何问题求解是近年来自然语言处理领域的一个研究热点。这项任务是具有挑战性的,因为它需要抽象的问题理解和符号推理与公理知识。然而,目前的数据集要么规模很小,要么不公开。因此,我们构建了一个新的大规模基准,几何3 K,由3,002个几何问题与密集的注释在形式语言。我们进一步提出了一种新的几何求解方法,形式语言和符号推理,称为可解释的几何问题求解器(Inter-GPS)。Inter-GPS首先分别通过基于规则的文本解析和神经对象检测将问题文本和图表自动解析为形式语言。与现有方法中的隐式学习不同,Inter-GPS将定理知识作为条件规则,并逐步进行符号推理。在Geometry 3 K和GEOS数据集上进行的大量实验表明,Inter-GPS算法比现有算法有了明显的改进。该项目的代码和数据可在https://lupantech.github.io/inter-gps上获得。
2021-07-20 cs.AI cs.CL cs.CV
NOAHQA: Numerical Reasoning with Interpretable Graph Question Answering Dataset
University of Electronic Science and Technology of China(电子科技大学);Singapore Management University(新加坡管理大学);Verily Life Sciences(Verily生命科学公司)
虽然已经提出了各种各样的问答(QA)数据集,并为QA任务的深度学习模型的开发做出了重大贡献,但现有的数据集在两个方面存在不足。首先,我们缺乏涵盖复杂问题的QA数据集,这些问题涉及答案以及获得答案的推理过程。因此,目前关于数值推理的问答研究仍然集中在简单的计算上,没有提供证明答案正确性的数学表达式或证据。第二,QA社区为提高QA模型的可解释性做出了很大的努力。然而,这些模型未能明确地显示推理过程,如推理的证据顺序和不同证据之间的相互作用。为了解决上述缺点,我们引入NOAHQA,一个对话和双语QA数据集,其中的问题需要用复合数学表达式进行数值推理。与NOAHQA,我们开发了一个可解释的推理图,以及适当的评价指标来衡量答案的质量。我们评估了使用NOAHQA上现有QA数据集训练的最先进的QA模型,并表明其中最好的模型只能达到55.5的精确匹配分数,而人类的性能为89.7。我们还提出了一个新的QA模型,用于生成推理图,其中推理图度量与人类相比仍然有很大的差距,例如,28分。
2021-10-14 cs.CL
Seed-Prover 1.5: Mastering Undergraduate-Level Theorem Proving via Learning from Experience
ByteDance(字节跳动)
Seed-Prover 1.5通过经验学习在形式定理证明中实现高效性能,解决大量本科生及更高难度的数学问题。
2025-12-19 cs.CL