arXiv · cs.AI· Anita Kriz, Antonin Berthon, Nicol\'as Astorga, Mihaela van der Schaar·· 7 小时前
推理型LLM摊销序贯贝叶斯实验设计
Amortizing Sequential Experimental Design in Reasoning LLMs
arXiv:2610.20832v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Anita Kriz, Antonin Berthon, Nicol\'as Astorga, Mihaela van der Schaar
研究任务与主要进展
研究作者将序贯贝叶斯实验设计摊销到推理型LLM中，通过信息增益奖励显式训练动作选择推理。基于论文摘要，该方法在 Twenty Questions 上相较训练时和推理时 BED 基线，以显著更低的计算成本提升信息获取和任务表现，并能泛化到未见类别；作者还报告了从 Twenty Questions 训练迁移到 Medi-Q 临床对话基准的正向效果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org