从演示中学习 LTL 规范的解释整合
原文中文，约300字，阅读约需1分钟。发表于：。该研究探讨了最新的大型语言模型（LLMs）是否能够帮助将人类解释转化为能够支持从演示中稳定学习线性时间逻辑（LTL）的格式。我们提出了一种将 LLMs 和基于优化的方法结合的方法，用于忠实地将人类解释和演示转化为 LTL 规范。通过几个案例研究，我们的实验证明了将解释与演示相结合在学习 LTL 规范方面的有效性。
该研究使用LLMs增强基于规则的法律系统的可访问性、使用性和可解释性。通过将规则系统生成的解释翻译成自然语言，使所有用户能够与这些技术进行交互。研究还使用提示链赋予非专业人士在自己身上执行复杂的法律任务的能力，用于对相同事实案例应用基于规则的不同推理的自主法律比较。
