SemTree：语义决策树实现可审查规则决策

Jincheng Gao、Wei Ding、Shuo Sun 提出 SemTree 框架，把规则决策表示为一棵语义决策树：每个节点是带明确 Yes/No/Unknown 标准的自然语言问题，由可插拔的语义判断器作答，分支结构按该判断器实际给出的答案编译，执行路径即为决策推理过程。 在全部 8,276 个 ShARC 测试用例上，托管判断器执行的树达到 67.70% 准确率，平均每例 2.99 个问题，接近直接由同一判断器给出最终标签的 68.23%。作者称该框架面向可审查、可修复的规则决策。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。