arXiv cs.AI· Liqin Ye, Rongzhi Zhang, Xin Liu, Zheng Li, Yuan He, Qingyu Yin, Priyanka Nigam, Chao Zhang·· 11 小时前AI 评分34
AlphaBet：用强化学习训练 LLM 事件预测智能体
AlphaBet: Reinforcement Learning for LLM Event Forecasting Agents
AI 导读
AlphaBet 是一个智能体强化学习框架，训练单个 LLM 策略在多个预测日期上搜索、推理并报告概率，每个带日期的预测都用合适的评分规则对照最终结果打分。在 GLM-4.5-Air 上，AlphaBet 将 Forecast-Dojo 的 Brier 分数从 0.731 降至 0.626，FutureX 从 0.612 降至 0.528。
正文 · AI 翻译
摘要：预测一个尚未解决的事件需要找到相关证据，并判断这些证据对每种结果的支持程度。然而，基于结果训练的大语言模型（LLM）预测器通常从单一预测日期预先汇总的证据开始，使证据获取处于学习循环之外。我们提出 AlphaBet，一个智能体强化学习（RL）框架，训练单一 LLM 策略在多个解析前日期进行搜索、推理并报告概率。每个带日期的预测都依据最终结果用适当的评分规则进行评分，使一个已解析事件能够监督不同信息状态下的决策。我们将预测遗憾分解为证据获取差距和概率报告差距，并表明组相对策略优化（GRPO）的标准差归一化在多类适当评分下可能扭曲报告目标。在 GLM-4.5-Air 上，AlphaBet 将 Forecast-Dojo 上的 Brier 分数从 0.731 降至 0.626，将 FutureX 上的分数从 0.612 降至 0.528。受控消融实验将这些增益归因于多日期训练，并表明它们来自信息获取和概率报告两方面的改进。我们的实证结果验证了 GRPO 的标准差归一化会降低适当评分规则的性能，而最高结果准确率基本保持不变。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22684 [cs.LG] |
| （或 arXiv:2610.22684v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.22684 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Liqin Ye [查看电子邮件]
[v1]
2026年10月15日星期四 21:54:31 UTC（1,162 KB）
来源：arXiv cs.AI · arxiv.org