神经符号方法识别自然语言论证的蕴含与矛盾关系

2026年10月15日，arXiv Artificial Intelligence 刊出 Xuyao Feng 与 Anthony Hunter 的论文，研究用神经符号方法识别自然语言论证中的蕴涵与矛盾关系。该研究先将自然语言文本经预训练 AMR 解析器转为抽象语义表示图，再翻译为命题逻辑，并用 SAT 求解器自动推理，以判断论证中的蕴涵与矛盾关系。为应对措辞差异导致的常识性关系漏判，作者引入允许替换或遗忘部分命题的松弛方法。报道称，该方法在三个 RTE 数据集上表现良好，且前提、主张及所用松弛均有逻辑表示，因而具备可解释性。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。