深度分析 LLM 引導的語意自舉:結合 Tsetlin Machine 的可解釋文字分類框架 研究聚焦於將大型語言模型知識轉為符號化規則,以提升文字分類的可解釋性與語意能力。透過 LLM 生成子意圖,構建三階段合成資料課程,並以非負向 Tsetlin Machine 抽取高信心文字線索。實驗證明此框架在多任務上達到與 BERT 相近的效能,同時保持全符號化與高效能。