一篇题为《Don't Let Me Ask for It: LLMs Show Deficiencies in Active Multi-Turn Information Acquisition for Abductive Inference》的新论文介绍了一个“外星人绑架游戏”，用于测试大型语言模型（LLMs）在多轮溯因推理场景中获取证据和完善假设的能力。研究发现，与在多轮中提供证据相比，一次性提供所有证据时LLMs的表现更好。此外，接收预言家提供示例的模型比自行选择查询的模型成功率更高，尽管它们最终的假设与自行选择的证据更一致。 AI
影响 这项研究突显了LLM随着时间推移主动寻求和整合信息的能力的局限性，暗示了在复杂推理任务中可能存在的问题。
排序理由 该集群包含一篇详细介绍LLM能力研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
