SCOPE：将自然语言策略编译为神经符号谓词程序

SCOPE 将自然语言策略编译为由小模型、确定性提取器和组合代码构成的神经符号谓词程序，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，其平均准确率高于提示词优化、任务分解和工作流生成方法；用最弱执行器优化的程序可免优化迁移到其他模型，在廉价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。