NeuroNL2LTL：一种用于线性时序逻辑自然语言翻译的神经符号框架

Paapa Kwesi Quansah, Ernest Bonnah

2026

摘要

提出了一种神经符号架构，通过结构保持的中间表示和验证器在环训练，将自然语言翻译为线性时序逻辑，并确保输出的可满足性。该方法在20万条跨领域需求上实现了28%的语义等价率和86%的可满足率。

neurosymboliclinear temporal logicnatural language translationformal verificationreinforcement learning

LEARNING

开放获取

Dimosthenis Angelis, Leonard Bauersfeld, Davide Scaramuzza 等 4 位作者

2026

OTHER

开放获取

Jacob Swindell, Michael Lowen, Marija Popovic 等 4 位作者

2026

OTHER

开放获取

Yu Chen, Ancheng Hou, Mingyang Feng 等 5 位作者

2026

PERCEPTION

开放获取

Jean-Guillaume Durand, Panagiotis Kouvaros, Maxime Gariel 等 4 位作者

2026