cycle-consistency

本文提出了一种循环一致的神经架构，能生成形式验证证书的忠实自然语言解释，正确性达到90%，推理速度比LLM基线快860倍。

本文提出了一种新的多语言共指消解流水线，利用从英语到低资源语言的循环一致性机器翻译生成训练数据，并通过反向翻译和BERT相似性进行验证。在四种低资源语言上的实验表明，该方法带来了显著的性能提升，使得在没有现有语料库的语言中也能实现准确的共指消解。

本文介绍了A2RBench，一个用于为LLM生成可形式化验证的抽象推理基准的自动化流水线，它利用循环一致性来确保唯一解，并揭示当前LLM在3D推理任务上显著落后于人类。