Knowledge Graph QA Negative Constraints Semantic Parsing Logical Reasoning
摘要

尽管大语言模型具备卓越的推理能力,但在忠实性和幻觉问题上仍表现不佳。针对知识图谱问答(KGQA),现有方法多关注正向约束,忽视了频繁出现的负向约束。本文提出负向约束 KGQA 新任务及 NestKGQA 数据集,并设计易于表达否定的 Python 格式逻辑形式 PyLF。此外,作者推出 CUCKOO 框架,通过模式引导的语义匹配生成约束感知逻辑草稿,并仅在执行失败时进行自导向精炼,以平衡成本与鲁棒性。实验表明,该方法在少样本设置下显著优于基线模型。

AI 推荐理由

论文核心解决 LLM 在负向约束下的逻辑推理与语义解析难题,提出新框架提升推理准确性。

研究机构
延世大学计算机科学系
论文信息
作者 Midan Shim, Seokju Hwang, Kaehyun Um, Kyong-Ho Lee
发布日期 2026-04-16
arXiv ID 2604.14749
相关性评分 9/10 (高度相关)