训练语言模型进行连贯决策

作者研究通过监督微调训练语言模型在保持已 elicited 信念的同时，依据效用选择预期效用最高的行动，并在20个数据集上评估跨领域、跨表述和不同收益结构的迁移能力。论文还引入信息缺失场景，测试模型能否区分缺失决策所需信息与无关上下文；摘要报告，定向微调在许多情形下改善了决策一致性，分离决策完整性识别与效用敏感执行的路由系统显示出价值。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。