决策论框架分解并改进LLM概率推理

Huaman Sun等作者提出一个决策论框架，把大语言模型的决策损失拆成两部分：从给定证据形成准确信念，以及把信念转化为优化给定效用函数的行动，并用已知真值的合成基准刻画前沿与开源模型的概率推理表现。 作者在三个领域测试针对信念、决策或两者的强化学习干预：单独针对某一成分会重新分配决策损失，改善目标成分但未必迁移到其他成分；联合训练两者可同时提升，但依赖训练与评估格式匹配。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。