DualGuard：用于逻辑保留数据增强的双模式质量控制

大语言模型提供了一种生成用于大规模逻辑推理的增强数据的实用方法，但较大的生成量并不能保证语义、标签或逻辑可靠性。现有工作通过生成约束、候选验证、过滤和基于反馈的修订提高了生成质量；然而，一旦有了质量判断，决定是否应该保留、过滤或修复候选者仍然是一个重要的控制问题。我们提出了 DualGuard，一种用于逻辑保留数据增强的双模式质量控制框架。第一种模式使用当前实例和候选批次进行选择性保留、过滤、归因和有针对性的反馈。第二种模式在每个样本的诊断和归因之上累积增强操作的跨实例执行记录，将新的执行与每个操作自身的历史行为进行比较，并支持回顾性异常检查、有针对性的回滚和有界修复。两种模式共享语义验证，并且当可靠的逻辑形式可用时还使用符号验证。在两阶段传输设置中的七个下游任务中，DualGuard 在五个任务上实现了最高准确度，并在所有七个任务上优于无增强 BERT 基线。受控消融进一步显示了记忆、Z3 和历史感知异常控制的互补作用。