arXiv:2405.02318 (cs) [提交于 2024年4月18日 (v1), 最近修订于 2025年3月3日 (此版本, v2)]

标题： NL2FOL: Translating Natural Language to First-Order Logic for Logical Fallacy Detection

作者： Abhinav Lalwani, Tasha Kim, Lovish Chopra, Christopher Hahn, Zhijing Jin, Mrinmaya Sachan

查看由 Abhinav Lalwani 和其他 4 位作者撰写的题为 NL2FOL: Translating Natural Language to First-Order Logic for Logical Fallacy Detection 的论文的 PDF 版本。 查看 PDF

摘要：将自然语言翻译成诸如 First-Order Logic (FOL) 这样的形式语言是 NLP 领域的一个基础挑战，它在自动推理、错误信息跟踪和知识验证方面具有广泛的应用。在本文中，我们介绍 Natural Language to First-Order Logic (NL2FOL)，这是一个使用 Large Language Models (LLMs) 逐步将自然语言自动形式化为 FOL 的框架。我们的方法解决了这个翻译过程中的关键挑战，包括隐式背景知识的整合。通过利用 NL2FOL 生成的结构化表示，我们使用 Satisfiability Modulo Theory (SMT) 求解器来推理自然语言语句的逻辑有效性。我们以逻辑谬误检测作为一个案例研究，来评估 NL2FOL 的有效性。我们的方法是神经符号化的，因此也为推理过程提供了可解释的见解，并展示了在不需要模型微调或标记训练数据情况下的鲁棒性。我们的框架在多个数据集上取得了良好的性能。在 LOGIC 数据集上，NL2FOL 实现了 78% 的 F1 分数，同时有效地泛化到 LOGICCLIMATE 数据集，实现了 80% 的 F1 分数。

学科：| 计算与语言 (cs.CL); 人工智能 (cs.AI); 机器学习 (cs.LG); 计算机科学逻辑 (cs.LO) ---|--- 引用为：| arXiv:2405.02318 [cs.CL] (或 arXiv:2405.02318v2 [cs.CL] 对于此版本) https://doi.org/10.48550/arXiv.2405.02318 通过 DataCite 了解更多 arXiv 发布的 DOI

提交历史

来自：Abhinav Lalwani [查看电子邮件] [v1] 2024年4月18日 00:20:48 UTC (106 KB) [v2] 2025年3月3日 00:38:48 UTC (1,297 KB)

全文链接：

访问论文：

查看由 Abhinav Lalwani 和其他 4 位作者撰写的题为 NL2FOL: Translating Natural Language to First-Order Logic for Logical Fallacy Detection 的论文的 PDF 版本。