摘要
大型语言模型在问答任务中表现优异，但在知识密集型领域常面临幻觉与推理错误挑战。为此，本文提出“推导提示”技术，用于优化检索增强生成（RAG）框架中的生成步骤。该方法受逻辑推导启发，通过系统应用预定义规则从初始假设推导结论，构建可解释的推导树以增强生成过程的控制力。案例研究表明，相较于传统 RAG 及长上下文窗口方法，该技术显著降低了不可接受答案的比例，有效提升了推理的可靠性。
AI 推荐理由
提出基于逻辑推导的提示方法，核心在于通过规则系统应用提升推理准确性与可解释性。
研究机构
Instituto de Computación, Facultad de Ingeniería, Universidad de la República
论文信息