В данном исследовании изучается, улучшает ли объединение абстрактных логических структур с лингвистическими признаками на уровне контекста автоматическую классификацию логических ошибок, которые часто проявляются в тонких формах.
Авторы разработали фреймворк, который индуктивно извлекает эти паттерны из примеров с ошибками и их объяснений с помощью больших языковых моделей (LLM).
Эксперименты с различными LLM и конфигурациями zero-shot и one-shot продемонстрировали статистически значимые улучшения по сравнению с базовыми нулевыми моделями и превзошли конкурирующие подходы.
Кросс-датасетные эксперименты подтвердили обобщающую способность этого метода, установив извлечение паттернов на основе данных как эффективный подход для генерации логических репрезентаций.