智能体框架

研究团队提出EpiNarrate框架，通过分离结构化数值推理与自然语言生成，自动生成基于流行病学预测的公共健康报告，提升报告的事实准确性与模式覆盖范围。

研究人员提出一种约束可验证的智能体框架，将LLM输出从自由形式代码转为类型化JSON配置，通过分类、约束、静态执行与质量检查，为重复性网络数据收集提供可靠、低成本的执行路径。

研究者提出基于通用编码大模型的智能体框架，成功将自然语言数学问题自动转化为可验证的Lean代码，并在STOC会议论文中验证了其有效性。