arXiv · ML· Anita Kriz, Antonin Berthon, Nicol\'as Astorga, Mihaela van der Schaar·· 14 天前AI 评分28
摊销推理大模型中的序贯实验设计
Amortizing Sequential Experimental Design in Reasoning LLMs
AI 导读
研究显示，通过信息增益奖励训练推理能力，LLM 在实验设计任务中表现优于基线。 在 Twenty Questions 上，该方法计算成本更低，并提升信息获取与任务性能。 模型策略可泛化至未见类别，并正向迁移至临床对话基准 Medi-Q。
来源：arXiv · ML · arxiv.org