本研究提出了一种结合知识图谱和分层规划的神经符号方法，以解决大型语言模型在复杂任务中的不足。该方法通过符号验证器确保计划的正确性，并在实验中显示出显著的推理和组合能力提升。

本研究提出了一种新颖的分层规划框架，旨在解决在系统动态未知的情况下为信号时序逻辑（STL）任务生成可执行规划的问题。该方法通过利用任务无关的数据进行离线训练，实现了对新STL任务的零-shot泛化，仿真结果表明其在多个STL任务中表现有效。

DECO框架旨在提升企业级聊天机器人的开发、部署和管理效率。其创新功能如NL2SearchQuery和分层规划，能够有效获取信息、简化工程任务、加速事故解决，从而提升生产力。自2023年9月推出以来，DECO在多个组织中证明了其有效性。