论文发现上下文知识推理明显优于权重内知识。
资讯摘要
论文提出两个自然语言基准，用于按推理深度大规模评估大语言模型的演绎推理与知识整合能力：一个基于形式图结构，可控制图拓扑与整合任务；另一个基于真实知识图谱，考察知识组合。作者在不使用思维链的情况下比较上下文信息与预训练权重中的知识，发现两类知识的准确率都随组合长度增加而急剧下降，而上下文信息明显优于权重中的知识。
要点速读
- 论文提出形式图基准与真实知识图谱基准，用于评估不同推理深度下的知识整合。
- 作者报告：预训练知识与上下文知识的准确率均随组合长度增加而显著下降。
- 作者报告：上下文呈现的信息在演绎推理上明显优于编码在权重中的信息。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。