CheckRLM：检索增强推理中有效的知识思维一致性检查

推理语言模型 (RLM) 通过扩展推理链，显着提高了复杂任务的性能。然而，这些链很容易包含事实错误，特别是在知识密集型任务中。为了解决这个问题，我们提出了 CheckRLM，这是一个通过检索增强生成（RAG）及时检查和纠正事实错误来提高推理过程可靠性的框架。具体来说，CheckRLM 从推理链中提取事实主张，以识别和定位推理过程中微妙的知识不一致。一旦检测到错误，细化机制就会利用外部知识进行最小成本且精确的纠正，确保推理链与正确知识之间的一致性。大量实验表明，CheckRLM 的性能大大优于现有基线，表现出以较低的成本减轻长期推理中的错误累积的强大能力。代码和数据可在 https://github.com/AI9Stars/CheckRLM 获取。