三向逻辑问答的组合一致性引导解码

三向逻辑问答 (QA) 将 $\text{True}$、$\text{False}$ 或 $\text{Unknown}$ 之一分配给给定前提集 $S$ 的假设 $H$。我们将这个任务作为一个紧凑的组合推理问题来研究：对 $H$ 和机械否定假设 $\neg H$ 的预测应该在确定性否定图下一致。尽管结构简单，大语言模型 (LLM) 仍然可以表现出两种实际的失败模式：(i) 否定不一致，其中 $H$ 和 $\neg H$ 的答案违反了所需的标签映射，以及 (ii) 认知 $\text{Unknown}$，其中即使一侧被蕴含，模型也会放弃。我们引入了 CGD-PD，这是一个轻量级的 无需训练 测试时间层，它结合了神经三路分类、符号否定一致性投影和目标二元蕴涵探针。在 FOLIO 一阶逻辑域的一次验证拆分中，CGD-PD 在 GPT-5.2 上将准确性提高了 4.4 点，在 Claude Sonnet 4.5 上提高了 6.8 点，同时减少了 $\text{Unknown}$ 预测和认知弃权。这些结果提供了受控概念证明，即推理时的简单逻辑组合有助于评估和提高 LLM 推理可靠性；它们本身并没有建立超出正式基准设置的稳健性。