深度分析
CCG 組合範疇語法提升框架：為 LLM 輸出提供可稽核的組合邏輯層
大型語言模型（LLM）的流暢生成常被批評缺乏真正的語法結構。本文提出一個神經符號框架，利用組合範疇語法（CCG）對 LLM 的輸出進行後設的「提升」（lifting），將自然語言轉換為具型別的組合推導式。
深度分析
大型語言模型（LLM）的流暢生成常被批評缺乏真正的語法結構。本文提出一個神經符號框架，利用組合範疇語法（CCG）對 LLM 的輸出進行後設的「提升」（lifting），將自然語言轉換為具型別的組合推導式。
速報
研究團隊提出「Agentic-imodels」，一個能自動演化、供人工智慧代理讀取與模擬的資料科學工具循環。系統生成一組與 scikit-learn 相容的回歸器，並同時優化預測效能與以大型語言模型（LLM）評分的「代理可解釋性」指標。該指標透過一系列 LLM 測試驗證模型文字化描述是否可被 LLM 單靠文字模擬行為。