创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

SCOPE将自然语言策略编译为神经符号谓词程序

AI 总结

Arnon Mazza 与 Elad Levi 于2026年10月22日将 SCOPE 论文提交至 arXiv。SCOPE 将自然语言策略编译为可执行的神经谓词程序,组合小型模型、确定性提取器以及组合其输出的代码。程序与训练数据通过对抗式反例进行联合优化,以针对程序偏离策略之处。作者在一项现实策略任务基准上评估 SCOPE,并称其相较提示优化、任务分解和工作流生成方法,在各项任务和模型上取得了最高平均准确率。他们还报告称,使用最弱执行器优化的程序无需进一步优化即可迁移到其他模型;与单体模型相比,SCOPE 的预测更稳定,结论也可通过其谓词输出进行解释。

深度见解

该论文面向 LLM 智能体的复合型、应用特定策略执行。其使用小型模型、稳定预测和谓词级解释的结果表明,SCOPE 可能成为高成本且不稳定的 LLM 评审方法的一种更高效、更易解释的替代方案,但这些结果来自作者自身的评估。

Computer Science > Artificial Intelligence

arXiv:2610.31062 (cs)

[Submitted on 22 Oct 2026]

Title:SCOPE: Compiling Natural-Language Policies into Neurosymbolic Predicate Programs

Authors:Arnon Mazza, Elad Levi

View a PDF of the paper titled SCOPE: Compiling Natural-Language Policies into Neurosymbolic Predicate Programs, by Arnon Mazza and 1 other authors

#SCOPE

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。