文章总结与翻译一、文章主要内容该文章聚焦神经符号人工智能（Neuro-Symbolic AI，NeSy）在提升大型语言模型（LLMs）推理能力方面的应用，围绕“如何通过神经符号方法解决LLMs推理瓶颈”展开，核心内容可分为以下几部分：1. 背景与基础定义LLMs推理现状：LLMs在多任务中表现出色，但复杂推理能力薄弱，仅能复现训练数据中的推理步骤，无法实现真正的逻辑推理，而强推理能力是通往通用人工智能（AGI）的关键里程碑。推理任务形式化：给定输入问题Q和背景知识K，推理目标是通过推理路径Z（由一系列中间步骤z1,z2,...,znz_1,z_2,...,z_nz