★ 2
DIVA 提出基于决策价值的信息获取方法，降低 LLM 决策遗憾
论文指出 LLM 在信息不完整决策中易陷入「信息陷阱」，会为无法改变决策或成本过高的检查付费。提出的 DIVA 让模型通过简短数值问题构建小型决策模型，并按净收益评估每次检查的价值，无需训练即可用于任意 LLM。在四个领域 20 个模型上，DIVA-U 遗憾值低于所有基线，DIVA 在合成场景中将…
arXiv cs.AI7 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出 LLM 在信息不完整决策中易陷入「信息陷阱」，会为无法改变决策或成本过高的检查付费。提出的 DIVA 让模型通过简短数值问题构建小型决策模型，并按净收益评估每次检查的价值，无需训练即可用于任意 LLM。在四个领域 20 个模型上，DIVA-U 遗憾值低于所有基线，DIVA 在合成场景中将…
论文提出「有依据的纠错仲裁」问题：当用户纠正可能有误时，具身智能体应在接受、拒绝、检查环境、询问说话者之间选择。GAVA 系统结合观察受限证据、合法探针与一步期望损失规则实现该接口。在 ALFWorld 文本环境中，语义先验可降低交互成本，但研究未证明环境信息价值普遍优于澄清提问。