Neuro‑Symbolische NLI: Logik als veränderbarer Parameter steigert Verifizierbarkeit

Forscher haben ein neues Konzept vorgestellt, das große Sprachmodelle (LLMs) mit Theoremprüfern (TPs) kombiniert, um natürliche Sprachinferenz (NLI) verifizierbar zu machen. Der Schlüssel liegt darin, die zugrunde liegende Logik nicht als festes Grundgerüst zu behandeln, sondern als steuerbaren Bestandteil.

Durch die LogiKEy‑Methodik werden verschiedene klassische und nicht‑klassische Logiken in höhere Ordnung (HOL) eingebettet. So lässt sich systematisch die Qualität von Inferenz, die Präzision von Erklärungen und das Verhalten von Beweisen vergleichen. Besonders im normativen Denken, wo die Wahl der Logik entscheidend ist, zeigt sich ein großer Unterschied.

Die Studie vergleicht zwei Ansätze: bei der logik‑externen Variante werden normative Vorgaben als Axiome kodiert, während bei der logik‑internen Variante die normativen Muster aus der Struktur der Logik selbst entstehen. Umfangreiche Experimente belegen, dass die interne Strategie die Leistung konsequent verbessert und effizientere hybride Beweise für NLI erzeugt.

Weiterhin wird deutlich, dass die Effektivität einer Logik domänenspezifisch ist: Erste‑Ordnung-Logik eignet sich besonders für Alltags‑Wissensfragen, während deontische und modale Logiken in ethischen Bereichen überlegen sind. Die Ergebnisse unterstreichen, wie wertvoll es ist, Logik als ersten‑Klassen‑Parameter in neuro‑symbolischen Architekturen zu behandeln, um robustere, modularere und anpassungsfähigere Systeme zu schaffen.