实体
CLUTRR
CLUTRR
PulseAugur coverage of CLUTRR — every cluster mentioning CLUTRR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
利用知识图谱增强小型语言模型的推理能力
研究人员开发了一个神经符号代理框架，以提高Gemma 3和Llama 3.2等小型语言模型（SLMs）的推理能力。该框架通过关系图卷积网络（RGCN）使用工具调用进行符号三元组提取和专家推理。虽然RGCN的提示将性能提高了1.5-2倍，但该系统的有效性受到知识提取过程和顺序推理脆弱性的限制。研究还发现了一种“干扰效应”，即嘈杂的、自我生成的知识会降低性能。
-
新库使用零额外 token 验证 LLM 多步推理
一个名为 GroundedReasoner 的新库已被开发出来，用于解决大型语言模型 (LLM) 中的多步推理失败问题。LLM 在处理复杂的、多步骤的推理时常常遇到困难，在被要求串联事实时会自信地编造信息。该库使用一种基于矩阵的方法，将关系视为矩阵，并将组合视为矩阵乘法，从而以零额外 LLM token 的方式验证声明。它充当后置过滤器，确保只有具有可验证证据路径的声明才能呈现给用户，在推理任务上实现了 100% 的准确率。
-
新框架VeryTrace验证和修复LLM推理痕迹
研究人员开发了VeryTrace，一个旨在验证和修复大型语言模型（LLM）生成的推理痕迹的新框架。该系统使用领域特定语言（DSL）将自然语言推理形式化为结构化、可编译的格式。DSL明确定义了步骤依赖关系，将定量数据视为可执行表达式，并构建了语义推理。VeryTrace结合了确定性检查和LLM审计，以查明和修复错误，在数学、机器人学和亲属关系推理等各种领域提高了准确性，而无需领域特定的训练。