按年被提到
20242025 · 3 次2026
大模型与语言模型›大模型推理与思维链·arXiv:2409.17270 · cs.AI

Proof of Thought : Neurosymbolic Program Synthesis allows Robust and Interpretable Reasoning

思维证明:神经符号程序合成实现稳健且可解释的推理
Debargha Ganguly, Srinivasan Iyengar, Vipin Chaudhary, Shivkumar Kalyanaraman · 2024

把 LLM 输出转成一阶逻辑交给定理证明器验证的推理框架

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 3 人首次 2024-10-06 · 最近 2025-10-05
3不同的人
3活跃月份
3讨论串
2被引(OpenAlex)

论文提出 Proof of Thought 框架:用自定义解释器把 LLM 生成的内容转换成一阶逻辑结构,交给定理证明器检查,中间用一种基于 JSON 的领域特定语言连接精确的逻辑与直观的人类概念。框架带有类型系统和明确区分事实与推理规则的表示。作者在 StrategyQA 和一个新的多模态推理任务上做了评测,称在开放式场景下表现有所提升。

HN 为什么提它

评论者主要把它当作用形式逻辑验证 LLM 推理的神经符号方案来引用,并指出第 11 页起给出了大量 DSL 示例。

方法难度 3 / 5约 30 分钟经得起时间
读之前最好知道
1一阶逻辑(first-order logic)
2定理证明器与 SMT 求解器
3领域特定语言(DSL)
4LLM 提示与推理

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐barthelomew · 2025-10

“Meanwhile, check out Page 11 onwards. We describe a lot of situations!”

请对方看第 11 页起,里面描述了大量情形
ProofOfThought: LLM-based reasoning using Z3 theorem proving原评论 ↗
引用westurner · 2025-10

“ScholarlyArticle: "Proof of thought: Neurosymbolic program synthesis allows robust and interpretable reasoning" (2024) Proof of Thought.. [LINK]”

列出这篇论文:神经符号程序合成实现稳健可解释的推理
ProofOfThought: LLM-based reasoning using Z3 theorem proving原评论 ↗
被提交为 story · 2 次