摘要
科学推理图提取（SRGE）旨在恢复观测、证据、中间主张与结论间的显式链接。针对大语言模型生成图中存在的语法错误、标签漂移及根源错位等问题，本文提出 PEARL 框架。该无需训练的方法基于皮尔士符号学模式将噪声响应转化为可审计的推理图，并利用证据反馈修复边类型与推断步骤。在 ARCHE 基准测试中，严格通过率从 0 提升至 300/350，显著增强了科研智能体工作流中推理轨迹的可靠性与可 inspectability。
AI 推荐理由
论文核心聚焦科学推理图提取与修复，直接提升 LLM 的逻辑推理结构与语义有效性。
研究机构
1 School of Computer Science, Wuhan University
2 Artificial Intelligence Innovation and Incubation, Fudan University
3 Department of Computer Science, Faculty of Science, University of Bath
论文信息