本体引导的神经符号推理：用数学领域知识为语言模型奠基

语言模型存在根本性局限——幻觉、脆弱性与缺乏形式化基础——在需要可验证推理的高风险专业领域尤为棘手。笔者考察形式化领域本体能否通过检索增强生成提升语言模型的可靠性。以数学作为概念验证，笔者实现了一条神经符号流水线，利用OpenMath本体、混合检索与交叉编码器重排序，将相关定义注入模型提示。在MATH基准上用三个开源模型评估发现：检索质量高时本体引导的上下文能提升性能，而无关上下文会主动损害性能——凸显了神经符号方法的前景与挑战。