ChatABL: 基于自然语言交互的诱因推理学习与 ChatGPT（英文版）

英文标题：ChatABL: Abductive Learning via Natural Language Interaction with ChatGPT中文摘要：该研究论文提出了一种将大型语言模型（LLMs）与溯因学习（ABL）框架相结合的新方法（ChatABL），旨在以更易于理解的方式统一感知、语言理解和推理能力，进一步接近人类水平的认知能力。该方法通过将自然语言格式中表示的推理规则进行总结和重新组织，利用 LLM 的理解和逻辑推理的优势来校正不完整的逻辑事实，以优化感知模块的性能，并提供必要的推理示例，以自然语言的形式为 LLMs 提供帮助。研究结果表明，ChatABL 在抽象表达上超越了大多数现有的最先进方法，并具有超越人类的推理能力。英文摘要：Large language models (LLMs) such as ChatGPT have recently demonstratedsignificant potential in mathematical abilities, providing valuable reasoningparadigm consistent