计算机科学 > 人工智能
[提交于 2025年7月17日
]
标题: GOFAI 与生成式 AI:通过大型语言模型开发专家系统
标题: GOFAI meets Generative AI: Development of Expert Systems by means of Large Language Models
摘要: 大规模语言模型(LLMs)的发展成功地改变了基于知识的系统,例如开放领域问答,这些系统可以自动生成大量看似连贯的信息。 然而,这些模型有几个缺点,如幻觉或自信地生成错误或不可验证的事实。 在本文中,我们介绍了一种使用LLMs以受控和透明方式开发专家系统的新方法。 通过限制领域并采用结构良好的基于提示的提取方法,我们生成了Prolog中的知识符号表示,该表示可由人类专家验证和修正。 这种方法还保证了所开发的专家系统的可解释性、可扩展性和可靠性。 通过与Claude Sonnet 3.7和GPT-4.1的定量和定性实验,我们展示了对事实和语义连贯性的强烈遵循。 我们提出了一种透明的混合解决方案,结合了LLMs的召回能力与符号系统的精确性,从而为敏感领域中的可靠AI应用奠定了基础。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.