大语言模型生成文本中的语篇连贯性与逻辑谬误检测研究 .docxVIP

PAGE2

大语言模型生成文本中的语篇连贯性与逻辑谬误检测研究

摘要

随着大语言模型的广泛应用，其生成文本的质量评估成为计算语言学领域的核心议题。现有评估多聚焦于局部语义流畅度，忽视了宏观语篇连贯性与深层逻辑谬误的检测。本文旨在构建针对大模型生成文本的语篇连贯性与逻辑谬误评估框架，系统解析逻辑断裂与自相矛盾的生成机制。

全文遵循“提出问题→分析问题→解决问题”的递进逻辑。第一章与第二章梳理研究背景与文献，揭示现有评估框架在宏观逻辑检测上的解释力不足。第三章界定核心概念并奠定修辞结构理论与非形式逻辑的理论基础。第四章与第五章为理论解析核心，深入剖析逻辑谬误的生成脉络、内在矛盾与作用机制，阐明概率采样与逻辑约束的脱钩是谬误根源。第六章作为理论高潮，提出“语篇连贯度-逻辑谬误双维评估框架（DCLF）”，论证其拓扑网络解释力。第七章与第八章总结研究贡献，指出实践启示并反思局限。

DCLF框架的构建是本文的理论主体与核心贡献，为大模型生成文本的深层质量评估提供了新的分析范式与理论工具。

第一章绪论

1.1研究背景

近年来，大语言模型在文本生成任务中展现出惊人的仿生能力，深刻重塑了自然语言处理的研究范式与应用生态。然而，随着模型生成文本向长篇语篇、复杂推理等高阶任务延伸，其内在的结构性缺陷日益凸显。

在社会现实背景中，大模型生成的“幻觉”文本与逻辑谬误已引发诸多信任危机。例如，在法律