Il Framework di Incoerenza Probabilistica per QA Neuro-Simbolico Sfida il Deficit di Ragionamento Temporale degli LLM
Uno studio recente pubblicato su arXiv contesta la convinzione comune che i grandi modelli linguistici (LLM) abbiano difficoltà con il ragionamento temporale a causa di limitazioni nella deduzione logica autoregressiva. Gli autori propongono che il vero problema risieda nella rappresentazione non strutturata del testo in evento. Presentano un framework neuro-simbolico per il question-answering che utilizza un Segnale di Incoerenza Probabilistica (PIS) per differenziare gli errori percettivi da quelli di ragionamento. Questa architettura trasforma il testo non strutturato in grafi di eventi chiari e vincoli di intervallo, separando l'estrazione semantica da un sistema di ragionamento simbolico. Il PIS integra intervalli credali simbolici con l'incertezza neurale epistemica dell'Evidential Deep Learning per identificare rotture strutturali. Il documento è disponibile su arXiv:2605.04243.
Fatti principali
- 1. L'articolo contesta la narrazione che il ragionamento temporale sia il collo di bottiglia fondamentale negli LLM.
- 2. Il punto di fallimento è identificato nella rappresentazione testo-evento non strutturata.
- 3. Introduce il Segnale di Incoerenza Probabilistica (PIS) per isolare gli errori percettivi dai fallimenti di ragionamento.
- 4. L'architettura disaccoppia l'estrazione semantica dal ragionamento simbolico.
- 5. Utilizza grafi di eventi espliciti e vincoli di intervallo.
- 6. Il PIS unifica intervalli credali simbolici con l'incertezza neurale epistemica.
- 7. Pubblicato su arXiv con ID 2605.04243.
- 8. Il tipo di annuncio è nuovo.
Entità
Istituzioni
- arXiv