近日，我院闫秋艳教授团队在计算语言学领域的国际顶级会议ACL（Annual Meeting of the Association for Computational Linguistics）发表题为“Minimal Free Resolution Guided Adaptive Tree Reasoning”的主会论文。该研究结合启发式思想与系统的数学证明，论证了MFR（Minimal Free Resolution）理论可应用于大语言模型的问题分解过程，赋予其类似人类处理复杂问题的逻辑推理能力。其中，唐德钊博士为论文第一作者，通信作者为闫秋艳教授，合作者包括刘美含博士后、佟毓来副教授和袁冠教授。
该研究引入交换代数与同调代数中的经典方法——Minimal Free Resolution（MFR）理论，结合其公式中层次化结构所蕴含的启发式思想，解决了大模型树状推理过程中缺乏有效启发机制的难题，并通过系统的数学证明表明了该方法在树状结构问题分解中的准确性，为大模型实现类似人类逐步求解复杂问题的推理提供了理论支撑。具体而言，本文提出了一种新的类人自适应推理框架SyRA，该框架以原始问题中的最小自由生成元信息为基础，利用MFR的极小性设计了面向推理结果的三重过滤机制，有效约束大模型推理过程中的搜索空间；利用MFR的正合性构建了层间保留率与全局覆盖机制，以保证大模型树形推理过程中上下文信息传递的完整性；利用MFR的syzygy（协同约束）原理进一步设计了残差回溯机制，实现了大模型跨层级的自适应反思与纠错能力。大量实验结果表明，SyRA不仅在封闭式推理场景中显著优于现有基线方法，而且在无需引入外部知识的条件下，仍能在开放域事实推理任务中表现出较强的稳健性与泛化能力。
SyRA框架图
国际计算语言学年会（Annual Meeting of the Association for Computational Linguistics，简称ACL）每年召开一次，是由计算语言学领域历史最悠久和最具权威的学术组织——国际计算语言学协会（ACL）主办和发起的系列会议。第64届国际计算语言学年会将于2026年7月2日至7月7日在美国加利福尼亚州圣地亚哥举办。据谷歌学术计算语言学刊物指标显示，ACL影响力位列第一，是CCF-A类推荐会议。
该项成果是计算机科学与技术学院/人工智能学院近年来坚持服务国家战略需求，引导学院教师潜心钻研“入主流、有特色”的高水平科研成果的重要体现。未来，计算机科学与技术学院/人工智能学院将对标国内一流学科建设水平，强化学科内涵建设，持续产出具有国际影响力的标志性成果，为学院和学科高质量发展提供有力支撑。
