arXiv cs.AI· Seunghan Lee, Jun Seo, Junhyeok Kang, Jaehoon Lee, Sangjun Han, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, Soonyoung Lee, Wonbin Ahn·· 8 天前AI 评分44
并非所有信息都值得获取：面向 LLM 的决策驱动信息获取
Not All Information Is Worth Asking For: Decision-Informed Information Seeking with LLMs
AI 导读
针对 LLM 在不完全信息决策中过度索取冗余证据的缺陷，研究人员提出无需训练的信息获取方法 DIVA 及其变体 DIVA-U。该方法引导 LLM 构建小型决策模型，评估候选证据改善决策的净价值，并在证据充分时主动停止检索。跨 4 个领域和 20 个 LLM 的测试显示，DIVA-U 在真实数据上的后悔值低于所有基线，DIVA 在合成场景中将最佳 LLM 基线的后悔值降低了 75%。
来源：arXiv cs.AI · arxiv.org