CRISTAL方法：从AI合成世界模型做神经符号分析

该项目引入了 CRISTAL 方法（真实分析逻辑的连贯可靠意向综合），这是一种用于自动化复杂分析工作流程的神经符号框架，以基本投资分析作为主要用例。该领域提出了重大挑战：高度的结构不确定性、嘈杂和主观的数据、紧张的注意力预算以及对合理、可重复决策的需求。由于认知偏差和局限性，人类分析师经常在这个领域陷入困境，这表明自动化具有巨大的价值。但是，虽然基于大语言模型的代理被提议作为分析辅助工具，但它们的局限性——糟糕的数字推理、对不确定性的不了解以及缺乏可重复性——阻碍了它们在这方面的有效性。 CRISTAL 通过统计模型综合、持续学习和主动学习的原则性融合来解决这些差距。从自然语言先验知识课程开始，CRISTAL 构建了一个动态、可解释的概率程序，可实现完整的贝叶斯推理，包括不确定性量化和预算感知数据采集。 CRISTAL 在分析过程中不断完善其世界模型，利用大语言模型进行代码合成和学习。我们在具有丰富财务和文本数据的合成股票的新颖基准上验证了 CRISTAL。在公司分类任务中，CRISTAL 只需 5 个示例和 5 秒的预算即可实现贝叶斯最优准确率，优于最先进的大语言模型，即使输入数据和计算量增加几个数量级，准确率仍保持在 40% 左右。