AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-20
驗證人類撰寫的推理參考資料
原標題: Verifying Human-Written Reasoning References
人類撰寫的推理鏈經常被用作評判 AI 推理的參考，但其步驟的邏輯支持卻很少被檢驗。作者使用大型語言模型將各步驟的結論翻譯為一階邏輯，並以 Z3 求解器檢查蘊含關係，應用於 P-FOLIO 的 386 個推導。其中 202 個（52.3%）符合所有標準，而在 230 個未被其所述支持前提蘊含的步驟中，有 191 個在對照完整前提檢查時成為可蘊含。