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。