标签
本文提出一种神经符号框架，将推理解耦为符号有效性和语义 grounding，利用验证器和训练的PRM来提高LLM在科学推理任务中的可靠性。
本文介绍了CALVER，一种无需训练的符号验证器，它根据Pearl的因果准则对结构化因果推理轨迹进行评分，以选出最佳候选答案；在存在多个有效答案的因果推理基准上，其表现优于plurality投票和其他选择方法。
SPL（结构化提示语言）是一种声明性语言，统一了大语言模型工作流中确定性和概率计算模式，可指定跨本地和云端节点运行的计算。它包含丰富的示例库和实验验证。
Google DeepMind's AlphaProof Nexus 结合了LLM驱动的证明生成与使用Lean的机器验证，解决了353个开放Erdős问题中的9个，其中两个已经开放了56年，每个问题仅花费几百美元。