自然言語から実行可能なナルセス（Narsese）へ：NARSによる推論のための神経記号論的ベンチマークとパイプライン

Abstract

大規模言語モデル（LLM）は言語生成において非常に高い能力を持ちますが、推論が明示的な記号構造、多段階推論、解釈可能な不確実性を必要とする場合には、依然として信頼性に欠けます。本論文では、自然言語による推論問題を、一階述語論理（FOL）と、非公理的推論システム（NARS）の言語であるNarseseを用いた実行可能な形式表現へと変換するためのニューラル記号論理（neuro-symbolic）フレームワークを提示します。この方向性を支えるために、自然言語の推論問題とFOL形式、実行可能なNarseseプログラム、および3つのゴールドラベル（True、False、Uncertain）を対応付けたベンチマークであるNARS-Reasoning-v0.1を導入します。FOLから実行可能なNarseseへの決定論的なコンパイル手順を開発し、OpenNARS for Applications（ONA）における実行時の評価によって保持された例を検証し、記号的ターゲットが構文的に整っているだけでなく、意図された解答に対して振る舞いが整合していることを保証します。さらに、Language-Structured Perception（LSP）を提示します。これは、LLMに対して最終的な言語応答だけでなく、推論に関係する記号構造を生成するよう学習させるという定式化です。初期の概念実証として、3ラベルによる推論分類のために、NARS-Reasoning-v0.1上でPhi-2のLoRAアダプタを学習し、公開も行います。これにより、ベンチマークが、実行可能な評価に加えて教師あり適応を支援できることを示します。全体として、本論文は、実行可能な記号生成と、実行に基づく検証を、より信頼性の高いニューラル記号推論システムへ至る実用的な道筋として位置づけます。