推理链可解释，命中更高效
将查询的逻辑结构作为额外节点嵌入强化学习过程，并利用逻辑奖励塑形引导智能体选择可靠路径，使推理过程与人类认知一致。
Liu, Ruinan · 印桂生 · 刘泽超
Information Sciences 2024
将查询的逻辑结构嵌入当前步骤的额外节点中，并利用逻辑奖励塑形引导智能体，使生成的推理路径与人类认知一致，便于理解和验证。
逻辑奖励塑形帮助智能体避免无效路径和偏离正常认知的选择，从而提高路径的可靠性，使推理结果更可信。
在多个基准测试上的实验结果表明，该方法比现有基于路径的方法能更高效地搜索到正确答案。