arXiv · cs.AI · Paulius Skaisgiris, Thomas Pammer, Veronika Semmelrock, Mykyta Ielanskyi, Maximilian Heisinger, Erich Kobler · 8 小时前模型评分30
神经符号框架让大语言模型解斑马逻辑题：自然语言转精确覆盖
From Natural Language to Exact Cover: A Neuro-Symbolic Approach to Zebra Puzzles
导读
研究者提出一种神经符号框架，让大语言模型把自然语言斑马逻辑题中的实体和约束转成结构化工具调用，构建精确覆盖（Exact Cover）实例，再由符号求解器算出答案并反馈修正编码。在多个参数规模、后训练范式和模型家族上的评测显示，该方法稳定优于链式推理（思维链（CoT，Chain of Thought），Chain-of-Thought）提示等纯神经基线及近期神经符号方法。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we present a synergistic neuro-symbolic framework that bridges this gap by combining neural semantic parsing with deterministic exact cover reasoning.”
来源：arXiv · cs.AI · arxiv.org