nl-to-fol

本文对自然语言到一阶逻辑数据集FOLIO和MALLS进行了系统的人工审查，分别发现39%和36%的形式化错误。它发布了修正后的标准答案和一个辅助人工重标的LLM框架，该框架将审查工作量减少到少于24%的实例即可达到90%的准确率。