Bridging Natural Language and ASP: LLM und AMR verbinden natürliche Sprache mit Answer Set Programming

Ein neues Verfahren aus dem arXiv-Preprint 2511.08715v1 zeigt, wie man unstrukturierte englische Texte in voll funktionsfähige ASP‑Programme (Answer Set Programming) überführt. Dabei kombiniert die Methode große Sprachmodelle (LLMs) mit der Analyse von Abstract Meaning Representation (AMR) Graphen, um Logikrätsel automatisch zu lösen.

Der Ansatz nutzt das LLM zunächst, um komplexe Sätze zu vereinfachen, Schlüsselwörter zu extrahieren und einfache Fakten zu generieren. Anschließend werden aus der vereinfachten Sprache AMR‑Graphen erstellt, die systematisch in ASP‑Regeln, Fakten und Einschränkungen übersetzt werden. So entsteht ein komplettes ASP‑Programm, das das gegebene kombinatorische Logikproblem löst.

Im Gegensatz zu bisherigen Methoden, die ausschließlich auf LLMs setzen, reduziert diese hybride Lösung die Abhängigkeit vom Sprachmodell auf reine Textvereinfachung und Faktengenerierung. Die AMR‑Parsing‑Schicht übernimmt die strukturierte Erzeugung der ASP‑Constraints, was das System leichter verständlich und nachvollziehbar macht.

Die Autoren demonstrieren die Leistungsfähigkeit ihres Systems anhand mehrerer Logikrätsel und betonen, dass dies ein bedeutender Schritt in Richtung leichterer, erklärbarer Werkzeuge ist, die natürliche Sprache in komplexe logische Lösungen umwandeln können.