编码LLM反复生成规则学习可解释模型

Aditya Kumar、Cassandra A. Cohen 与 William W. Cohen 提交论文（arXiv:2610.14006），提出一个简单框架：反复提示编码LLM根据带标签样本生成规则集中的下一条规则，从而从数据中学习可解释模型。 作者基于论文摘要声称，该方法在表格数据上与最先进的规则学习方法相比具有竞争力、且常常更优，尤其在小训练集场景；在文本任务上大幅超过另一种LLM规则学习器。由于编码Agent不受严格假设空间限制，可构建更多类型的可解释模型。以上为论文摘要声称，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。