安全自适应的云自愈：利用神经符号世界模型验证 LLM 生成的恢复计划

针对云系统故障检测与自适应恢复的挑战，本文提出 PASE 框架，将自愈重构为神经符号程序合成任务。该框架利用大语言模型作为核心计划合成引擎，从语义原语库生成结构化恢复计划；引入神经符号世界模型通过仿真验证计划可行性，并结合深度强化学习训练的元提示优化器指导规划过程。这种“推理 - 计划 - 验证 - 适应”闭环实现了动态上下文感知的策略生成。实验表明，PASE 显著优于现有方法，平均恢复时间减少超 40%，提升了未知故障场景下的检测精度。