SCOPE：将自然语言策略编译为神经符号谓词程序

2026年10月23日，arXiv Artificial Intelligence 刊出 Arnon Mazza、Elad Levi 的论文，提出 SCOPE 方法：将自然语言策略编译为可执行的神经符号谓词程序，由小模型、确定性提取器和组合各输出的代码构成。论文称，该方法针对程序偏离策略之处生成对抗性反例，并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。目前报道仅此一篇，尚无后续跟进或相互矛盾的数字与说法。

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。