SCOPE：将自然语言策略编译为神经符号谓词程序

SCOPE 把自然语言策略编译为可解释的神经谓词程序。

资讯摘要

论文提出 SCOPE，把 LLM 智能体的自然语言策略编译为可执行程序，由小型模型、确定性提取器和组合代码构成神经谓词。作者报告，该方法在真实策略任务基准上平均准确率最高，用最弱执行器优化的程序可迁移到其他模型，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、判定可解释。

要点速读

1. 论文指出，微调护栏模型在复合策略上性能下降，LLM-as-a-judge 成本高且预测不稳定。
2. SCOPE 将策略编译为神经谓词程序，并用针对程序偏离策略之处的对抗性反例生成，联合优化程序与训练数据。
3. 作者报告其在真实策略任务基准上平均准确率最高，且用最弱执行器优化的程序可迁移到其他模型。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。