Reason Popper-ly：用归纳逻辑编程修补上下文内推理

思维链（CoT）提示使大语言模型（LLM）能够处理多步推理任务，但生成的中间步骤并不保证逻辑上成立。我们提出Reason Popper-ly，一个神经符号框架，它用归纳逻辑编程（ILP）从推理轨迹中学习关系组合规则，并将其部署为用于步骤级修正的在线验证器。给定LLM生成的轨迹，该方法依据学到的规则表检查每个推断步骤，诊断违规类型，用符号推导的修补重写错误步骤，并重新生成剩余后缀，使模型能够在已验证轨迹的条件下产出最终答案。我们在CLUTRR（一个多跳亲属关系推理基准）上，用五个语言模型在2到10跳的推理链上进行评估。在所有模型上，Reason Popper-ly相比标准CoT一致提升最终准确率，在最长的链上小模型最高提升48个百分点、前沿模型提升15个百分点。与完全外置的符号流水线相比，我们的方法在更难的实例上表现更好，因为它保留了模型成功的锚定（grounding），只修正可验证的推理失败。此外，步骤级ILP验证产生了细粒度的错误分类学，提供了超出最终答案准确率的诊断洞见。