提出Large Decision Models：单次前向输出的概率决策
热点事件持续更新
提出Large Decision Models：单次前向输出的概率决策
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Ziyi Chen 等发布论文，提出 Large Decision Models（LDM），通过一次 prefill 前向传播让语言模型针对运行时指定的标签输出显式决策概率。训练依赖两个方法：DDS 提供跨领域、规则和标签的训练监督，SPRD 利用冻结教师模型生成并筛选任务。 团队在 DecisionVista 基准上评估，将新 schema 测试与保留的人类标注来源配对。结果显示推理（reasoning）方法在新 schema 测试上仍更强，因此作者提出用置信度路由器处理不确定决策。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
Large Decision Models：用一次预填充将大语言模型改造成单次决策器报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AILarge Decision Models：用一次预填充将大语言模型改造成单次决策器
作者提出 Large Decision Models（LDM），通过一次 prefill 前向传播让语言模型针对运行时指定的标签输出显式决策概率；DDS 提供跨领域、规则和标签的训练监督，SPRD 则利用冻结教师生成并筛选任务。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。