決策情境圖
決策情境圖：以時序化本體補足 RAG 在企業代理人中的記憶與決策缺口
企業導入代理人時常以RAG檢索文件，但這只找資料不說明何者可用。決策情境圖將規則、例外與時間效度做成結構化圖表，並提供可追溯的決策路徑與已驗證行為基底，能降低多步工作流錯誤累積並增進可稽核性。系統亦在建置階段驗證行為以降低推理時成本與風險。
神經符號
速報
神經符號法理：在資料污染下的稅法推理比較
研究指出大型語言模型在法律推理上可能受訓練資料污染扭曲。作者設計污染偵測流程與專門測試集，比較純模型與把法條轉為形式表示、交由符號推理器處理的混合架構。結果顯示污染會抬高評估成績，而神經符號框架在未見文件上更穩健且泛化較佳。此研究對法律人工智慧評估方法帶來重要提醒。
深度分析
ChinaTravel 基準：中文旅遊規劃中的語言代理人與神經符號效能測試
隨著大型語言模型在推理與工具整合上的突破，研究團隊推出 ChinaTravel 基準，針對中文多點旅遊規劃收集真實需求，並以領域專屬語言測試可行性與偏好滿足度。實驗顯示神經符號代理人在約 28% 的約束滿足率上遠超純神經模型的 2.6%。研究亦指出開放式語言推理與未見概念組合是未來主要瓶頸。
深度分析
IndustryAssetEQA：神經符號與 FMEA-KG 的時序化工業資產問答與風險估計
工業維護轉向資料驅動決策。IndustryAssetEQA結合時序遙測蒐集、FMEA知識圖與神經符號推理，提供有可驗證來源的時序問答與介入風險估計。實驗顯示在結構有效性、反事實準確度與說明可驗證性皆明顯提升，且將專家評定的過度宣稱由28%降至2%。
深度分析
Chimera 框架：在TCAM/SRAM限制下的注意力式神經符號映射與更新協定
可程式化資料平面崛起使得在轉發硬體上執行推論成為可能，而同時受限於記憶與算術能力。Chimera將注意力運算轉為可線性化的核特徵，並以兩層鍵選取與級聯融合，結合神經推理與符號硬性規則。實驗顯示在可用資源內能維持高偵測與分類表現，支持線速操作和可解釋性。