一步潜变量评分可替代主动信息获取中的前瞻搜索

1. 05:27
   arXiv · cs.AI

   Depth or Description？当一步潜变量评分取代主动信息获取中的前瞻搜索

   主动智能体在行动前需决定提问内容，精确前瞻虽能评估问题组合但代价高昂且依赖拟合模型，一步评分虽廉价却可能漏掉答案间的交互作用。研究发现，对标签的一步评分可能对答案交互视而不见，而对合适潜变量原因的评分则不会，且当该潜变量编码决策时可替代大部分深度搜索。从一个语言模型答案中学到的概率无法迁移到另一个模型，除非规划同时考虑两者；从 token 读出的概率仅值几个标签。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。