一项于2026年10月22日提交至arXiv的研究提出SCOPE，尝试把面向大语言模型智能体的自然语言政策，编译成由神经谓词、确定性抽取器和代码组成的可执行神经符号程序。原始论文摘要
研究关注的是多轮对话和工具调用轨迹中的复合政策审查。论文认为，经过微调的护栏模型虽然推理成本较低，但面对组合式政策时性能可能下降；直接使用大语言模型进行评判则可能带来较高成本和预测不稳定。SCOPE的思路是将复杂政策拆分成若干较窄的神经判断，再通过明确的逻辑规则组合结果，使最终判定能够追溯到具体谓词输出。
根据论文摘要，SCOPE会围绕政策和训练数据联合优化，并通过生成针对性反例，寻找程序偏离政策的情形。作者称，该方法在一组现实政策任务上取得了最高的平均准确率，且使用较弱执行模型优化出的程序可以迁移到其他模型，无需再次优化；在较低成本模型上，其准确率可接近前沿推理模型，同时预测稳定性更高。上述效果目前应视为论文作者对其实验结果的概括，具体任务设置、基线差异和外部复现情况仍需进一步核查。
这项工作的潜在价值不只是提高内容过滤准确率，还在于把“为什么判定违规”转化为一组可检查的中间判断，便于审计、调试和针对特定业务政策进行修改。不过，神经谓词本身仍可能出错，政策编译过程也可能遗漏语义、上下文或跨轮次依赖；因此，神经符号结构不能自动等同于完整可靠的安全保证。由于该成果目前以arXiv预印本形式公开，尚不能据此判断其已成为成熟的生产方案。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
