CoFEE：基于大语言模型的特征发现中的推理控制

从复杂非结构化数据中发现特征本质上是一个推理问题。本文提出 CoFEE（认知特征工程引擎），这是一个推理控制框架，旨在通过诱导特定认知行为来规范大语言模型在特征发现过程中的推理方式。这些行为包括逆向链式推理、子目标分解、可观测性与泄露验证及显式回溯。实验表明，相较于无约束提示，该方法生成的特征预测性更高，成功率提升 15.2%，特征数量减少 29%，成本降低 53.3%，显著提升了特征发现的质量与效率。