大模型arXiv cs.LG4 天前
Amortizing Sequential Experimental Design in Reasoning LLMs
该论文研究如何将序贯贝叶斯实验设计（BED）摊销进推理型LLM，通过信息增益奖励显式训练引导动作选择的推理过程。在二十问任务上，所得策略以更低计算成本超越训练与推理时BED基线，并迁移至临床对话基准Medi-Q，表明信息收集可作为可泛化的推理技能被学习。
已过时译
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
共 1 条符合条件
该论文研究如何将序贯贝叶斯实验设计（BED）摊销进推理型LLM，通过信息增益奖励显式训练引导动作选择的推理过程。在二十问任务上，所得策略以更低计算成本超越训练与推理时BED基线，并迁移至临床对话基准Medi-Q，表明信息收集可作为可泛化的推理技能被学习。