剑桥大学用信息增益奖励训练 LLM，学会主动提问进行实验设计

剑桥大学 Kriz、Berthon、van der Schaar 等人发表论文《Amortizing Sequential Experimental Design in Reasoning LMs》，提出用信息增益奖励训练大语言模型，使其通过主动提问收集信息。研究指出，LLM 虽具备预训练知识与推理能力，但实验设计能力仍有不足；该方法可大幅降低序贯实验设计成本。