SCOPE：自然语言策略编译为神经符号谓词程序

2026年10月22日，Hugging Face Daily Papers 报道了 SCOPE 方法：它将自然语言策略编译为由小模型、确定性提取器和代码组合执行的可执行神经谓词程序，并与训练数据联合优化，通过对抗生成反例来修正程序与策略之间的偏差。在真实策略任务基准上，SCOPE 跨任务与模型的平均准确率最高；用最弱执行器优化出的程序无需再优化即可迁移到其他模型，在低成本模型上达到接近前沿推理模型的准确率。相比单体模型，SCOPE 的预测更稳定，每个判定都可通过谓词输出解释。目前该工作以论文形式发布，尚无后续独立复现或应用进展的报道。

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。