符號模型

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。