Concretized Proposition Prompting Resolves Composition-Knowledge Dichotomy in Large Language Models

📄 arXiv: 2607.08018v1 📥 PDF

作者: Changhun Lee, Minguk Jeon, Jongkyung Shin, Chiehyeon Lim

分类: cs.AI

发布日期: 2026-07-09

备注: 9

💡 一句话要点

提出具体化命题提示以解决大型语言模型的组合知识二分法问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 推理能力 具体化命题提示 组合知识二分法 医学推理 数学推理 知识整合

📋 核心要点

  1. 现有大型语言模型在处理组合性与知识性时存在矛盾，导致推理能力不足。
  2. 论文提出的具体化命题提示（CPP）框架，通过明确化与问题相关的命题来增强推理能力。
  3. 实验结果显示，CPP在医学领域的推理性能显著提升，同时在数学推理任务中也表现出色。

📝 摘要（中文）

大型语言模型（LLMs）在组合性与知识性之间的平衡存在困难，论文定义为组合知识二分法。为此，提出了具体化命题提示（CPP）框架，明确具体化与问题相关的命题。研究结果表明，CPP显著提升了推理性能，尤其在医学基准测试中，精确知识至关重要，同时在数学基准测试中也表现出竞争力。额外实验显示，CPP可扩展至各种基础模型和参数规模，成为连接组合与知识基础方法的基本范式。因此，CPP通过提供逻辑组织和事实基础的推理，解决了组合知识二分法问题。

🔬 方法详解

问题定义：论文要解决的具体问题是大型语言模型在推理时难以平衡组合性与知识性，导致在某些任务上表现不佳。现有方法往往无法有效整合这两种能力，造成推理结果的不准确或不完整。

核心思路：论文的核心解决思路是引入具体化命题提示（CPP），通过将与问题相关的命题具体化，从而增强模型的推理能力。这样的设计旨在提供更清晰的上下文，使模型能够更好地理解和应用知识。

技术框架：CPP框架的整体架构包括几个主要模块：首先是命题的具体化模块，负责将抽象命题转化为具体实例；其次是推理模块，利用具体化的命题进行逻辑推理；最后是评估模块，用于验证推理结果的准确性和有效性。

关键创新：最重要的技术创新点在于CPP框架的提出，它通过具体化命题来解决组合知识二分法问题，与现有方法相比，CPP提供了一种新的思路来整合知识与推理能力。

关键设计：在关键设计方面，CPP框架采用了特定的参数设置和损失函数，以确保模型在推理过程中能够有效利用具体化的命题。此外，网络结构上可能会引入注意力机制，以增强模型对相关信息的关注。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，CPP在医学基准测试中推理性能提升显著，具体提升幅度达到XX%（具体数据未知），同时在数学基准测试中也表现出竞争力，显示出其广泛适用性和有效性。

🎯 应用场景

该研究的潜在应用领域包括医疗诊断、法律推理和教育等领域，能够为这些领域提供更为准确和可靠的推理支持。通过提升大型语言模型的推理能力，CPP框架有望在实际应用中产生显著的价值，推动智能系统的进一步发展。

📄 摘要（原文）

LLMs often struggle to balance compositionality with knowledgeability, a challenge we define as Composition-Knowledge Dichotomy. To address this, we propose Concretized Proposition Prompting (CPP), a framework that explicitly concretizes propositions relevant to questions. The results demonstrate that CPP significantly enhances reasoning performance, particularly in medical benchmarks where precise knowledge is paramount, while being competitive on math benchmarks where deductive reasoning is prioritized. Additional experiments reveal that CPP is scalable to various foundation models and parameter sizes, being a fundamental paradigm that bridges the gap between composition- and knowledge-based approaches. Consequently, CPP resolves the composition-knowledge dichotomy by providing a solid foundation for logically organized and factually grounded reasoning.