PulseAugur
中
实时 12:14:30
English(EN) Neurosymbolic Learning for Inference-Time Argumentation

神经符号框架通过论证增强声明验证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为推理时论证（ITA）的新框架，用于声明验证，在信息不完整或冲突时特别有用。ITA是一个可训练的神经符号系统，它使用形式论证语义来指导大型语言模型（LLM）的训练。这种方法允许模型生成论证并为其评分，然后用于计算三元预测（真、假或不确定）。该框架确保预测是根据明确的论证结构确定性地得出的，提供了比事后推理更忠实的解释。 AI

影响 为LLM中更可靠和可解释的声明验证引入了一种新颖的神经符号方法。

排序理由 该集群包含一篇详细介绍新研究框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Gabriel Freedman, Adam Dejl, Adam Gould, Mansi, Lihu Chen, Junqi Jiang, Francesca Toni ·

    Neurosymbolic Learning for Inference-Time Argumentation

    arXiv:2605.20098v2 Announce Type: replace Abstract: Claim verification is an important problem in high-stakes settings, including health and finance. When information underpinning claims is incomplete or conflicting, uncertain answers may be more appropriate than binary true or f…

相关话题