Pipeline LLM per la Comprensione Logica degli Entimemi
I ricercatori propongono una pipeline per decodificare sistematicamente gli entimemi—argomenti con premesse implicite—integrando modelli linguistici di grandi dimensioni (LLM) e un ragionatore neuro-simbolico. Il metodo utilizza un LLM per generare le premesse mancanti dal testo esplicito, un altro per tradurre il linguaggio naturale in formule logiche e un ragionatore per verificare l'implicazione logica. Ciò colma il divario tra i metodi NLP che identificano gli entimemi ma ignorano la logica e gli approcci basati sulla logica che richiedono basi di conoscenza preesistenti. Il lavoro è pubblicato su arXiv (2603.06114v2) e mira a consentire l'analisi logica automatica di argomenti reali.
Fatti principali
- L'articolo arXiv 2603.06114v2 propone una pipeline per la decodifica degli entimemi
- La pipeline utilizza due LLM: uno per la generazione delle premesse, uno per la traduzione logica
- Un ragionatore neuro-simbolico verifica l'implicazione logica
- Affronta la mancanza di un metodo sistematico per tradurre gli entimemi in argomenti logici
- Gli argomenti reali nel testo sono spesso entimemi con premesse implicite
- I metodi NLP identificano gli entimemi ma non decodificano la logica sottostante
- Gli approcci basati sulla logica richiedono formule di base di conoscenza sufficienti
- Il metodo integra LLM con ragionamento neuro-simbolico
Entità
Istituzioni
- arXiv