arXiv cs.AI· Jincheng Gao, Wei Ding, Shuo Sun·· 3 天前AI 评分31
SemTree：面向可检查、可修复规则决策的 Judge-Aware 语义决策树
SemTree: Judge-Aware Semantic Decision Trees for Inspectable and Repairable Rule Decisions
AI 导读
SemTree 将规则决策表示为语义决策树，每个节点是带明确 Yes/No/Unknown 标准的自然语言问题，由可插拔语义 judge 回答，分支结构按该 judge 的实际回答编译。
正文 · AI 翻译
摘要：内容审核、广告合规和资格检查等规则决策结合了若干条件、豁免和缺失信息情形，而只有知道是哪一条件不满足，才能修复错误。我们提出 SemTree，一个将规则决策表示为语义决策树的框架：每个节点是一个自然语言问题，带有明确的 Yes/No/Unknown 判定标准，一个可插拔的语义评判器回答该问题，分支结构根据该评判器实际给出的答案进行编译。所执行的路径就是每个决策背后的推理过程，因此错误可在其发生处修复：审核者修正单个节点并重放规则，修正后的节点成为评判器的训练标签，而一个使用工具的 LLM 编辑器在观察执行结果的同时修订问题和子树。在全部 8,276 个 ShARC 测试用例上，由托管评判器执行的树达到 67.70% 的准确率，每个用例 2.99 个问题，与向同一评判器询问最终标签（68.23%）相当；一个早先为不同评判器编译的树在由该评判器执行时得分为 47.87%，而基于该评判器对 12 个问题初始池的答案新编译的树已达到 64.39%。节点级修复将 BANKING77 准确率从 82.04% 提升至 86.16%，一个显式豁免节点将某中国电商审核条款的假阳性从 24 降至 5，而经过训练的编辑器将编辑后树的开发准确率从 64.47% 提升至 73.35%。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.13999 [cs.LG] |
| （或本版本的 arXiv:2610.13999v1 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2610.13999 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jincheng Gao [查看邮箱]
[v1]
2026年9月27日星期日 04:16:36 UTC（2,376 KB）
来源：arXiv cs.AI · arxiv.org