ALBI: LLM-Guided Inductive Logic Programming via Iterative Generate-Test-Constrain Refineme

📄 arXiv: 2611.05039v1 📥 PDF

作者: Aboubaker Seddiq Benterki, Jüri Vain, Gert Kanter, Leelo Aino Jürgenstein

分类: cs.AI, cs.SC

发布日期: 2026-11-03

💡 一句话要点

提出ALBI框架以提升归纳逻辑编程的效率与准确性

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

关键词: 归纳逻辑编程 大型语言模型 神经符号学习 形式验证 语义匿名化 推理能力 迭代优化

📋 核心要点

  1. 现有的归纳逻辑编程方法在假设生成和验证过程中效率低下，难以处理复杂的推理任务。
  2. ALBI框架通过引入大型语言模型，优化了假设生成过程，并结合SWI-Prolog进行形式验证，形成高效的迭代循环。
  3. 实验结果显示，ALBI在多个基准测试中均取得了100%的成功率，且迭代次数显著低于传统方法，展现出优越的性能。

📝 摘要（中文）

我们介绍了ALBI（基于归纳学习的智能体），这是一个神经符号的归纳逻辑编程（ILP）框架。ALBI用大型语言模型（LLM）替代了学习失败（LFF）范式中的ASP基础假设生成器，同时保留了SWI-Prolog作为形式验证器。ALBI实现了一个迭代的生成-测试-约束循环：LLM从结构化提示中提出候选假设，Prolog测试每个候选，诊断反馈驱动细化。我们进一步引入了语义匿名化，这是一种变形测试方法，用于区分结构符号归纳与谓词名称的表面模式匹配。对30个标准ILP基准的实验表明，ALBI在三种前沿LLM（Gemini 3.1 Pro、GPT 5.4 Pro、Claude Opus 4.6）上均实现了100%的成功率，且平均仅需1.4-1.7次迭代。在匿名化条件下，所有模型仍保持100%的成功率，迭代次数适度增加（1.36-1.67倍），提供了稳健符号推理的证据。

🔬 方法详解

问题定义：本论文旨在解决现有归纳逻辑编程（ILP）方法在假设生成和验证中的效率低下问题，尤其是在复杂推理任务中的表现不足。

核心思路：ALBI框架的核心思路是利用大型语言模型（LLM）替代传统的ASP基础假设生成器，从而提高假设生成的灵活性和准确性，同时保留SWI-Prolog作为形式验证工具，以确保生成假设的有效性。

技术框架：ALBI的整体架构包括三个主要模块：生成模块（LLM生成候选假设）、测试模块（Prolog验证假设）和反馈模块（根据测试结果进行迭代优化）。该框架通过迭代的生成-测试-约束循环来不断优化假设。

关键创新：ALBI的主要创新在于引入了语义匿名化技术，这种变形测试方法能够有效区分结构符号归纳与表面模式匹配，增强了模型的推理能力和适应性。

关键设计：在模型设计中，ALBI对LLM的提示结构进行了优化，以提高生成假设的质量，同时在Prolog中设置了高效的验证机制，确保每个候选假设都经过严格的测试和反馈调整。实验中，模型的迭代次数被控制在1.4-1.7次，显示出良好的效率。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，ALBI在30个标准ILP基准测试中均实现了100%的成功率，且在使用三种前沿LLM时，平均迭代次数仅为1.4-1.7次。即使在引入语义匿名化后，模型仍保持100%的成功率，迭代次数适度增加（1.36-1.67倍），证明了其稳健的符号推理能力。

🎯 应用场景

ALBI框架具有广泛的应用潜力，尤其在需要复杂推理和知识推导的领域，如法律推理、医学诊断和科学发现等。通过提高归纳逻辑编程的效率和准确性，ALBI能够帮助研究人员和专业人士更快速地从数据中提取有价值的信息，推动相关领域的发展。

📄 摘要（原文）

We introduce ALBI (Agent for Learning By Induction), a neuro-symbolic ILP framework that replaces the ASP-based hypothesis generator in the Learning from Failures (LFF) paradigm with a Large Language Model (LLM), while retaining SWI-Prolog as a formal verifier. ALBI implements an iterative generate-test-constrain loop: the LLM proposes candidate hypotheses from structured prompts; Prolog tests each candidate; and diagnostic feedback drives refinement. We further introduce semantic anonymization, a metamorphic testing methodology, to distinguish structural symbolic induction from surface-level pattern matching on predicate names. Experiments on 30 standard ILP benchmarks show that ALBI achieves 100% success across three frontier LLMs (Gemini 3.1 Pro, GPT 5.4 Pro, Claude Opus 4.6), matching Popper while requiring only 1.4-1.7 iterations on average. Under anonymization, all models maintain 100% success with a moderate iteration increase (1.36-1.67 times), providing evidence of robust symbolic reasoning.