跳到正文
热点事件持续更新

剑桥用信息增益训练模型主动实验设计

2 篇报道1 个报道来源25 分钟前更新

先了解这件事

AI 综述

剑桥大学 Kriz、Berthon、van der Schaar 等人提出“序贯实验设计摊销”方法，以信息增益奖励训练推理型大语言模型，使模型学会通过连续主动提问选择实验动作，并把实验生成模型与语言模型自身的信念解耦。 团队称，该方法在 Twenty Questions 任务中优于推理时和训练时的序贯贝叶斯实验设计基线，计算成本更低，并能泛化到未见类别；研究还显示，从 Twenty Questions 学到的能力可正迁移至医学诊断任务 Medi-Q。

AI 根据报道生成 · 2 分钟前更新

最新进展10月30日 00:29
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

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. AGI Hunt
    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。

10月29日
  1. AGI Hunt
    剑桥团队用信息增益奖励训练推理 LLM，大幅降低序贯实验设计成本

    剑桥大学团队将序贯贝叶斯实验设计（BED）摊销进 LLM，以信息增益奖励训练实验设计中的动作选择。该策略在 Twenty Questions 等任务上胜过推理时和训练时 BED 基线，计算成本更低，并能泛化到未见类别。研究还展示了从 Twenty Questions 到真实医学诊断（Medi-Q）的正迁移。

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。