AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-20
验证人工撰写的推理参考答案
原标题: Verifying Human-Written Reasoning References
人工撰写的推理链常被用作评判AI推理的参照,但其步骤的逻辑支撑却很少被检验。作者使用大语言模型将步骤结论翻译为一阶逻辑,并用Z3求解器检验蕴含关系,将其应用于P-FOLIO的386条推导。其中202条(52.3%)满足所有标准;在230个不能由其所述依据蕴含的步骤中,有191个在对照完整前提检验时变得可被蕴含。