SCOPE：将自然语言策略编译为神经符号谓词程序

Arnon Mazza 和 Elad Levi 提出 SCOPE，将自然语言策略编译为可执行程序：由小型模型、确定性提取器和代码组合神经谓词输出，并用针对程序偏离策略之处的对抗性反例生成与训练数据联合优化。 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。作者称，用最弱执行器优化的程序可免优化迁移到其他模型，在低成本模型上达到接近前沿推理模型的准确率，且预测更稳定、每个判定可经谓词输出解释。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。