诊断、糟糕的规划与推理：治疗，SCOPE——面向临床试验数据的混合查询规划

本文研究临床试验表格推理，旨在从部分观测数据中恢复隐含属性。针对现有大语言模型在隐式规划假设下推理能力不足的问题，提出了 SCOPE 框架。该框架采用多 LLM 规划器，将任务分解为行选择、结构化规划与执行三个阶段，通过显式定义源字段、推理规则及输出约束来减少歧义。在肿瘤学临床试验表上的评估表明，相较于零样本、思维链及重型智能体基线，显式多 LLM 规划显著提升了推理准确率，并提供了更优的准确率 - 效率权衡。