arXiv cs.CL· Shuqing Shi, Ziyan Wang, Milind Tambe, Yali Du·· 10 天前AI 评分8
基于显式人格推断的异构偏好下大语言模型编排研究（已撤稿）
Large Language Model Orchestration under Heterogeneous Preferences via Explicit Persona Inference
AI 导读
论文提出 HARP 框架，将 LLM 编排中对智能体隐藏偏好的信念从提示词中移出，改为每个智能体在有限候选偏好集上维护一个数值后验，并用贝叶斯规则闭式更新，语言模型只提供动作与各候选的似然。
正文 · AI 翻译
本文已被Shuqing Shi撤回
摘要：LLM编排研究编排器如何协调一组自主智能体以实现共同目标或最大化集体福利。这些智能体通常是异质的，每个智能体都持有一种它追求但不透露的私有偏好。从行为中推断这种隐藏偏好一直是博弈论和多智能体系统中长期研究的课题。核心挑战在于维护对每个智能体偏好的信念，并根据观察到的智能体动作更新它。现有的LLM编排器将该信念作为提示文本携带，没有明确的更新规则。这使得早期错误持续存在并传播，而不是被纠正。因此，我们提出\textbf{HARP}（通过偏好推断的异质偏好智能体编排），一个将信念移出提示的新框架。具体而言，HARP在有限候选偏好集上为每个智能体维护一个数值后验，并通过贝叶斯法则以闭式形式更新它。语言模型仅提供动作和每个候选的似然，因此估计与其推理解耦。我们证明，当分解精确时，HARP达到与显式联合推断相同的$\tilde O(\sqrt K)$贝叶斯遗憾。此外，HARP\textsuperscript{+}通过为区分候选的动作增加奖励来增强规划，因此即使最优动作不提供信息，推断也会继续。在三个基底上的实证结果——从偏好完全决定的收益，到依赖于偏好之外因素的收益，再到显式联合推断不可行的规模——表明HARP\textsuperscript{+}是我们理论所识别的类别中最强的非预言机方法。
| 评论： | 引言中对偏好和人设存在混淆，标题中也存在误解 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.07587 [cs.CL] |
| （或 arXiv:2610.07587v2 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.07587 arXiv颁发的DOI via DataCite |
提交历史
来自：Shuqing Shi [查看电子邮件]
[v1]
2026年10月6日星期二 01:24:56 UTC（1,047 KB）
[v2]
2026年10月7日星期三 11:21:43 UTC（1 KB） （已撤回）
来源：arXiv cs.CL · arxiv.org