AI2026년 7월 23일AI 점수: 95%
Logic-Guided Data Extraction with Answer Set Programming and Large Language Models
출처:arXiv cs.AI
✨ AI 인사이트
🧑💻 개발자
- 1.LLM 추출과 ASP(Answer Set Programming)를 결합한 논리 유도 데이터 추출 프레임워크 제안
- 2.ASP가 단계별로 논리적 허용 술어를 식별해 추출 쿼리를 유도, 함의된 사실은 추론으로 확보
- 3.기준 파이프라인과 최종 추출 사실이 동등하면서 LLM 호출 수 감소를 이론적으로 증명
- 4.단조 쿼리 캠싱으로 솔버 호출도 절감, 허위 출력 완화로 추출 품질 개선 확인
💡
왜 중요한가?
LLM 단독으로는 취약한 조합적 추론·전역 일관성 검증을 비단조 논리 프로그래밍에 맡기는 역할 분담으로, 정확성 보장이 필요한 지식 추출 파이프라인에 적용 가능한 설계다. 동등성 증명과 호출 수 절감을 함께 제시해 비용과 신뢰성을 동시에 잡았다.
본문 미리보기
arXiv:2607.19365v1 Announce Type: new Abstract: When Large Language Models (LLMs) are used for semantic data extraction from unstructured text, producing candidate relational facts from natural language, they may remain unreliable for tasks requiring complex combinatorial reasoning and global consistency. This paper proposes a logic-guided data extraction framework combining LLM-based extraction with Answer Set Programming (ASP). The LLM produces candidate facts, whereas ASP performs validation
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#LLM#데이터추출#논리프로그래밍#ASP#뉴로심볼릭