Medi-Q

LLMs 训练以改进实验设计的​信息收集

研究人员开发了一种方法，用于训练大型语言模型（LLM），以提高它们在实验设计任务中自适应收集信息的能力。通过将序列贝叶斯实验设计通过信息增益奖励分摊到 LLM 中，模型学会了更有效地指导动作选择。这种方法在 Twenty Questions 等基准测试中显示出改进的信息获取和任务性能，以更低的计算成本优于传统方法，并展示了对 Medi-Q 等新任务的泛化能力。