SCOPE：自然语言策略编译为神经符号程序

SCOPE 论文作者提出一种策略编译方法：把自然语言策略编译成由神经谓词组成的可执行程序，由小模型、确定性提取器和组合代码共同执行，并与训练数据联合优化。 作者称，在真实策略任务基准上，SCOPE 的平均准确率高于提示优化、任务分解和工作流生成方法；用最弱执行器优化出的程序无需再优化即可迁移到其他模型，在廉价模型上接近前沿推理模型的准确率，预测更稳定，且每条判定可通过谓词输出解释。上述效果均为论文作者的表述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。