该研究提出了一种新方法（ChatABL），将大型语言模型（LLMs）与溯因学习（ABL）框架相结合，以更易理解的方式统一感知、语言理解和推理能力，接近人类水平的认知能力。ChatABL通过总结和重新组织自然语言格式中的推理规则，利用LLM的理解和逻辑推理优势来校正不完整的逻辑事实，优化感知模块性能，并为LLMs提供必要的推理示例。研究结果显示，ChatABL在抽象表达上超越了现有方法，并具有超越人类的推理能力。