VADAOrchestra：自适应推理工作流的神经符号编排

现实世界中的决策很少遵循固定脚本，而是随着新上下文和数据的出现动态演进的推理过程。传统业务流程管理系统虽具严谨性，但难以在运行时适应；而基于大语言模型的智能体系统虽灵活，却存在不透明、不可靠及可扩展性差等问题。为此，本文提出 VADAOrchestra，一种神经符号框架，将复杂工作流建模为演进式推理过程。该框架采用混合方法：由基于 LLM 的编排器根据用户查询和数据源增量规划并自适应调整工作流，并将其编码为 Datalog+/- 逻辑程序，其中谓词对应工具调用，规则表示预定义领域依赖及按需合成的逻辑构造以处理中间结果。所有逻辑推理任务均由先进的 Datalog+/- 符号引擎执行，从而提供可验证的推理轨迹，支持审计与复现。通过将高层编排与符号推理解耦，该框架还解决了可扩展性问题，支持通过定向数据查询在大规模数据集上进行复杂推理。在真实金融用例上的评估表明，相较于标准智能体架构，VADAOrchestra 在忠实性、可扩展性和可解释性方面均表现更优。