★ 3
研究评估 LLM 智能体能否在上下文中做贝叶斯推断
研究系统评估大模型在上下文中进行贝叶斯信念更新的能力，涵盖定性认识论示例、定量基准与非贝叶斯更新对下游任务的影响。结果显示 LLM 通常违反贝叶斯规则，但配备现代推理能力与代码执行后性能大幅提升，甚至可近似解析不可解的后验。这表明带工具的 LLM 已可用于科学发现中的复杂信念更新。
arXiv cs.AI11 天前
#代码执行
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究用程序求解接口提升临床语言模型算术可靠性
针对大模型算术不可靠影响临床计算器的问题，论文提出 Program-Solve 接口：模型不直接计算，而是生成个案 Python 代码交由受限本地执行器确定性求解。在 MedCalc-Bench Verified 上，32B 模型准确率从 83.47% 提升至 90.53%，但 7B 提升不显著，…
arXiv cs.AI51 天前
★ 1
这个主题的相关资产
相关公司阿里巴巴1