신경-기호적 인공지능: 대형 언어 모델의 추론 능력 향상을 향하여

대형 언어 모델(LLMs)은 다양한 과제에서 유망한 결과를 보여주었지만, 그들의 추론 능력은 여전히 근본적인 도전 과제로 남아 있습니다. 강력한 추론 능력을 가진 AI 시스템 개발은 인공지능 일반(AGI) 추구에 있어 중요한 이정표로 간주되며 학계와 산업계 모두에서 큰 관심을 받고 있습니다. LLM의 추론 능력을 향상시키기 위한 다양한 기법이 탐구되었으며, 그중 신경-기호적 접근법이 특히 유망한 방법으로 여겨지고 있습니다. 본 논문은 LLM 추론 향상을 위한 신경-기호적 접근법의 최근 동향을 포괄적으로 검토합니다. 먼저 추론 과제의 형식화를 제시하고 신경-기호 학습 패러다임에 대해 간략히 소개합니다. 그다음 Symbolic->LLM, LLM->Symbolic, LLM+Symbolic 세 가지 관점에서 LLM의 추론 능력 개선을 위한 신경-기호적 방법들을 논의합니다. 마지막으로 여러 주요 과제와 유망한 미래 방향을 논의합니다. 또한 본 설문 조사와 관련된 논문 및 자원을 포함한 GitHub 저장소를 공개했습니다: https://github.com/LAMDASZ-ML/Awesome-LLM-Reasoning-with-NeSy.