[4Yin-B] Poster 7

[4Yin-B-41] Entailment Tree Generation Using LLM and Knowledge Base

〇Nobuaki Hattori¹, Yoshihide Kato¹, Shigeki Matsubara¹ (1. Nagoya University)

Keywords:

Reasoning

含意木は，推論過程を構造的に表現するデータ構造であり，親子関係はステートメントの分解の関係を表現している．含意木全体では，根のステートメント（仮説）が葉のステートメント（前提）の集合の元で成り立つことを表現している．含意木生成手法は，LLM内の知識を用いる方法と，知識ベースを用いる方法の2つに大別できるが，それぞれ信頼性や汎用性において問題がある．両手法の欠点を補う方法として，2つの併用が考えられるが，その方法に関する研究は進んでいない．本論文では，LLMと知識ベースを併用した含意木生成における課題の調査を目的として，LLMと知識ベースを併用した含意木生成器を試作し，推論に知識ベースの知識を必要とする仮説に対して，知識ベースの参照の有無により起こる，生成される含意木の変化を観察する．その結果，LLMと知識ベースの併用について以下の点が重要であると判明した．
1．前提の裏付けに限らず，親のステートメントを複数の子のステートメントに分解する際にも，知識ベースの知識が必要である．
2．知識ベースの知識と矛盾する，LLM内の知識を前提としない処理が必要である．