摘要
针对大语言模型将自然语言形式化时的忠实度问题,本文提出一种无需真实标注的往返验证方法:将语句形式化后回译为自然语言并再次形式化,利用形式化工具检查逻辑等价性。若结果不一致,通过诊断步骤定位失败阶段并执行针对性修复。在 150 条交通规则上的评估显示,该诊断引导的修复策略将形式等价率从 45-61% 提升至 83-85%,显著优于随机修复基线,且语义漂移更少。
AI 推荐理由
论文核心在于通过往返验证与修复提升形式化推理的忠实度,直接增强逻辑推理能力。
研究机构
Stanford University, USA
论文信息