AI Papers Daily

#Program-of-Thought

2 篇

CoTu at EXACT 2026: Neuro-Symbolic Reasoning for Transparent Educational QA

CoTu 在 EXACT 2026 中的神经符号推理系统：透明教育问答

🧭 神经符号推理 · 程序化思维

Can Tho University · Tay Do University

4B 模型将推理外化为 Z3/Python 程序，物理满分、总技术分最高

📌 工作参考价值（4 点）

• 在 Agent 或推荐系统中，将 LLM 的推理步骤输出为可执行的 Python/Z3 代码，交由外部求解器，可大幅提升数值计算和逻辑推导的可靠性，避免幻觉。
• Program-of-Thought 范式可结合自我纠正循环：执行代码后若失败则自动回溯修正，适合多步任务（如自动生成广告竞价策略、动态定价脚本）。
• 任务路由设计：用一个轻量分类器选择“逻辑推理”或“数值计算”分支，此思路可直接用于电商搜索中的意图分发（如判别为“比较查询”或“政策查询”后走不同处理链）。
• 延迟敏感场景下，SGLang 框架 + 推测解码可保障 60s 内完成复杂多步推理，对推荐系统的实时生成式排序或 Agent 交互有工程参考价值。

Other | 2026-07-16 | cs.CL | score 6/10

neuro-symbolicProgram-of-ThoughtZ3 solversmall language modelspeculative decodingeducational QA

REPOT: Recoverable Program-of-Thought via Checkpoint Repair

REPOT：通过检查点修复实现可恢复的程序化思维

🧭 可恢复的 LLM 规划 · 检查点修复 ★ 深度解读

University of California, Santa Cruz

在一次性程序化思维中引入确定性验证重放与单次修复调用，将静默失败变成可恢复的推理过程。

📌 工作参考价值（4 点）

• Agent 动作序列的断点恢复：当 Agent 生成多步操作时，可利用环境接口实时验证每一步，保留已成功的动作前缀，仅让 LLM 从失败点续写剩余动作，避免全盘废弃，节省 token 成本。
• 电商推荐策略的鲁棒执行：例如生成式推荐产生的 action 序列在真实环境（库存、价格等约束）中可能中途失效，借鉴 REPOT 的检查点机制，可保留前缀合法动作，仅修复后缀，提升端到端成功率。
• 成本控制的恢复预算：REPOT 只对首次失败的问题额外调用一次 LLM（~14% 的问题），保持平均成本接近原 POT，适合线上高吞吐场景，可作为 Agent 类系统的基线恢复策略。
• 环境即权威验证器：利用确定性环境（如数据库状态、API 返回码）做真实的下一步状态验证，比模型自我反思更可靠，在电商有明确规则域（库存校验、优惠券有效期等）中可直接复用。

Agent | 2026-05-27 | HF Daily | score 8/10

Program-of-ThoughtCheckpoint RepairPlanningVerified ReplaySuffix RepairLLM