arXiv · cs.AI· Vikash Singh, Darion Cassel, Nathaniel Weir, Nick Feng, Sam Bayless·· 1 天前
VERGE：用于可验证大语言模型推理的形式化精炼与引导引擎
VERGE: Formal Refinement and Guidance Engine for Verifiable LLM Reasoning
arXiv:2601.20055v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vikash Singh, Darion Cassel, Nathaniel Weir, Nick Feng, Sam Bayless
研究任务与主要进展
研究作者提出VERGE神经符号框架，将大语言模型与SMT求解器结合，通过原子断言分解、形式化、验证和迭代修订生成可验证答案。框架使用多模型形式语义共识、语义路由和最小纠正子集定位逻辑错误；在GPT-OSS-120B上，相比单次生成方法，在一组推理基准的收敛阶段取得平均18.7%的性能提升。上述结果基于论文摘要，实验基准与实现细节未在材料中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org