FOLIO与MALLS基准修复：LLM辅助框架聚焦人工重标注

该论文聚焦于自然语言到一阶逻辑（NL-to-FOL）基准数据集FOLIO和MALLS的标注质量问题，提出了一种利用LLM辅助的框架，将人工重新标注的资源集中于最需要的样本上。研究还提供了经过验证的注释，以提高基准的可靠性。这对于神经符号AI及自然语言推理研究具有重要意义。

AI推荐理由 这项研究针对FOLIO和MALLS基准中的标注质量问题，用LLM辅助方法将人工重标注集中在最有价值的样本上，提高了自然语言推理与神经符号评估的可靠性，也减少了标注成本。对做NLI或符号推理系统的团队，这能提升评测信心并优化资源分配。