本文研究了对话式问答中的政策合规检测（PCD），提出了一种新的神经符号框架——逻辑分解政策合规（LDPC）。该方法通过少量示例和新提示技术，减少了对大量标注数据的需求，提升了推理的透明度和可解释性，并在ShARC基准上取得了优异表现。

本文介绍了一个新的数据集，用于在知识图谱上进行口头回答的对话式问答。通过扩展现有的多轮对话式问答数据集，提供了新的贡献，并使用五个序列到序列模型进行了实验，同时保持语法的正确性。进行了误差分析，详细说明了模型在指定类别中的误差率。提议将答案口头化的数据集公开，并详细说明其使用，以便广泛使用。