摘要
本文采用神经符号方法,研究大模型能否在固定智能体框架及求解器闭环中,从零开始蒸馏出完整且正确的答案集编程(ASP)理论。该协议不依赖特定数据集,要求模型在一小时内通过单次提示推导理论。研究选取 VQA 领域的三个基准(CLEVR、GQA、CLEVRER),评估了九种不同规模的模型。结果显示,多数前沿模型在 CLEVR 上达到 100% 准确率,在其他基准上也表现优异,证明了大模型具备强大的形式化逻辑推理与理论构建能力。
AI 推荐理由
论文核心研究 LLM 生成形式化逻辑理论(ASP)的能力,属于高阶逻辑推理与神经符号结合。
研究机构
NElSON.HIGUERRA@EXTENSITY.AI
MARKUS@EXTENSITY.AI
LEO@EXTENSITY.AI
论文信息