利用大语言模型生成矛盾调和的解释

现有 NLP 研究常将矛盾视为需通过取舍来解决的错误，而人类推理的关键在于能提出调和矛盾的解释。尽管大语言模型（LLM）推理能力日益增强，其生成此类调和解释的能力尚未得到充分探索。本文引入了“调和性解释生成”任务，要求模型生成使矛盾陈述相容的解释。我们提出复用现有自然语言推理数据集的新方法，并引入可扩展的自动评估指标。对 18 个 LLM 的实验表明，大多数模型在此任务上表现有限，且随着模型规模增大，增加测试时计算量的收益趋于饱和。