剑桥用信息增益奖励训练 LLM，学会主动提问做实验设计

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，使其学会主动提问以收集信息。研究显示 LLM 虽具备强大预训练知识与推理能力，但在实验设计上仍有不足，该方法可大幅降低序贯实验设计的成本。

2026-10-29 ~ 2026-10-30 · 2 条相关

• 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 — CambUni · 2026-10-29
• 剑桥团队用信息增益奖励训练 LLM,让模型学会主动提问收集信息 — _akhaliq · 2026-10-30