OrLog：利用大语言模型与概率推理解决复杂查询

针对包含多重约束的复杂信息查询，现有检索系统常忽略逻辑运算符或生成不一致的推理结果。为此，本文提出 OrLog，一种神经符号检索框架，将谓词级合理性估计与逻辑推理解耦：利用大语言模型在无解码的前向传播中提供原子谓词的合理性评分，再由概率推理引擎推导查询满足的后验概率。实验表明，OrLog 在多种逻辑约束下显著提升了顶级排序精度，尤其在析取查询上表现优异，且令牌消耗减少约 90%，实现了高效且具备约束感知能力的检索。