arXiv 人工智能· 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·· 7 小时前AI 评分43
并非所有信息都值得获取：基于决策信息的 LLM 信息搜寻
Not All Information Is Worth Asking For: Decision-Informed Information Seeking with LLMs
AI 导读
研究人员提出无需训练的 LLM 信息搜寻流程 DIVA，依据证据对决策的净收益决定查询与停止，解决模型盲目获取冗余信息的问题。其考虑估计不确定性的变体 DIVA-U 与 DIVA 均适用于任意 LLM。在 4 个领域与 20 个 LLMs 的评测中，DIVA-U 在真实数据上的后悔值低于所有基线，DIVA 在合成场景下将最佳基线后悔值降低了 75%。
来源：arXiv 人工智能 · arxiv.org