신경-기호형 QA에서 제한 요소는 시간적 추론이 아님: 확률적 불일치 프레임워크

Temporal Reasoning Is Not the Bottleneck: A Probabilistic Inconsistency Framework for Neuro-Symbolic QA

시간 논리 추론이 지연 요인이 아니다: 신호-기호 QA 프레임워크의 확률적 불일치 프레임워크 arXiv:2605.04243v1 발표 유형: 새로운 요약: 큰 언어 모델(LLM)은 복잡한 시간 논리 추론 과제에서 고유한 성능을 계속해서 나타내고 있지만, 이 실패 모드는 자체적 결함 있는 자가 회귀적 논리적 추론에 널리 ATTRIBUTED로 인해 발생한다. 이 논문에서, 우리는 이 널리 퍼진 이야기와는 달리, 시간 논리 추론이 기본적인 지연 요인이 아님을 입증하고, 오류와 추론 실패를 분리하는 확률적 불일치 신호(PIS)로 지배되는 신호-기호 QA 프레임워크를 제시한다. 이는 명시적 이벤트 그래프와 간격 제약으로 해석이 구조화되지 않은 텍스트를 제거하고, 의미 추출과 기호 추론 엔진을 엄격하게 분리한다. 구조적 깨짐을 강력하게 감지하기 위해, PIS는 기호 신뢰 구간과 에피스틱 뉴럴 불확실성을 추출하는 Evidential Deep Learning을 사용하여 LLM 숨겨진 상태에서 연관지어준다. 실험적 평가에서, 구조적 표현이 정확한 경우, 시스템의 명시적 증명 추적은 시간 계산 벤치마크에서 완벽한 1.0 정확도를(4000/4000) 달성하고, 엄격히 0의 거짓 양성/음성으로 도달한다. 더 넓은, 노이즈 주입된 QA 설정에서, 프레임워크는 경쟁적인 75.1% 정확도를 유지하면서, 결정론적, 단계 수준의 실패 위치화도 가능하게 한다. 결국, 이 작업은 시간 QA를 알고리즘 추론 도전에서 구조적 정렬 문제로 재정의하여, 신호-기호 AI에 대한 신뢰할 수 있는 경로를 가리킨다.