arXiv cs.AI@Gabriel Freedman, Adam Dejl, Adam Gould, Mansi, Lihu Chen, Jianqi Jiang, Francesca Toni精选58该论文提出推理时论证（ITA），一种可训练的神经符号框架，用于三元声明验证（真/假/不确定）。ITA 使用形式论证语义指导 LLM 生成论证并分配基础分数，同时计算三元预测。训练时，论证生成和评分根据预测质量优化；推理时，最终预测忠实于决定判决的论证和分数，而非事后推理痕迹。在两项三元声明验证数据集上，ITA 优于论证基线，并与非论证直接预测基线竞争，同时提供可检查的论证结构。论文神经符号学习声明验证三元分类可解释AI推理时论证推荐理由：这个框架解决了高可信场景下声明验证的忠实性和不确定性表达问题，做事实核查、医疗或金融 AI 的团队可以直接参考其可解释的推理机制。