VADAOrchestra：自适应推理工作流的神经符号编排

现实世界中的决策很少遵循固定的脚本。相反，它以动态推理过程的形式展开，其中适当的行动方案随着新的背景和数据的出现而演变。传统的业务流程管理系统提供严格性、确定性和可审计性，但它们通常难以在运行时调整其执行。相反，基于大型语言模型 (LLM) 的代理系统为决策带来了灵活性，但它们本质上是不透明的，通常不可靠，并且在大型数据集上运行时会受到严重的可扩展性限制。为了结合这些互补的范式，我们引入了 VADAOrchestra，这是一个神经符号框架，它将复杂的工作流程建模为不断发展的推理过程。该框架采用混合方法：给定用户查询和数据源集合，基于 LLM 的编排器逐步规划和调整工作流程。它被编码为 Datalog+/- 片段中的逻辑程序，其中谓词对应于工具调用，规则表示预定义的域依赖性和按需合成的逻辑结构以操纵中间结果。然后，所有逻辑推理任务均由最先进的 Datalog+/- 符号引擎执行。这种方法提供了可验证的推理跟踪，支持整个过程的可审核性和可重复性。此外，通过将高级编排与符号推理解耦，它解决了可扩展性问题，通过有针对性的数据查询实现对大型数据集的复杂推理。我们根据现实世界的金融用例评估 VADAOrchestra，与标准代理架构相比，展示了其忠实性、可扩展性和可解释性。