本研究提出TranspNet管道，结合符号人工智能与大型语言模型，以提高医疗和金融等高风险领域的透明度和问责制，确保AI系统输出的结果准确且可解释。

本文提出了一种新方法，将符号人工智能与深度学习结合，解决模型训练中缺乏领域专家知识的问题。通过新的损失函数，直接编码领域约束和逻辑推理，从而提升模型的性能和可信度，适用于各类工业领域。

该研究探讨了神经连接主义人工智能与符号人工智能的融合，展示了神经符号人工智能的潜力和Autonomous Agents在推理和决策方面的优势，并提出了未来发展方向。