哪只鸟没有翅膀：负约束 KGQA 与模式引导语义匹配和自我导向细化

尽管 大语言模型 具有非凡的推理能力，但仍然与 忠实性 和幻觉作斗争。在知识图问答（KGQA）中，基于语义解析的方法通过理解用户问题中的约束并将其转换为逻辑形式以在知识图上执行来解决这些限制。然而，现有的 KGQA 基准和方法偏向于正向约束和计算约束。尽管负面约束经常出现在现实世界的问题中，但它们却被忽视了。在本文中，我们引入了一项新任务，NEgative-conSTrained (NEST) KGQA，其中每个问题至少包含一个负约束，以及相应的数据集 NestKGQA。我们还设计了 PyLF，一种 Python 格式的逻辑形式，因为现有的逻辑形式很难在保持可读性的同时清晰地表达否定。此外，NEST 问题自然包含多重约束。为了减轻它们的语义复杂性，我们提出了一个名为 CUCKOO 的新颖框架，专门用于多重约束问题并确保语义可执行性。 CUCKOO 首先生成约束感知的逻辑表单草案并执行模式引导的语义匹配。然后，仅当执行不正确的逻辑形式产生空结果时，它才会有选择地应用自我导向细化，从而降低成本，同时提高稳健性。实验结果表明，在少样本设置下，CUCKOO 在传统 KGQA 和 NEST-KGQA 基准上始终优于基线。