语言模型连贯决策训练

论文研究语言模型能否通过监督微调学会连贯的决策流程，并在不同领域和自然语言表述间泛化。在20个数据集上，定向微调显著提升决策一致性，模型还能识别信息缺失导致行动无法被正当化的情况。