佐治亚理工 AlphaBet:用智能体 RL 训练 LLM 做事件概率预测
GeorgiaTech · hf · 2026-10-29
佐治亚理工与 Amazon 合作发布 AlphaBet 论文，提出用 agentic 强化学习训练单个 LLM 策略，在多个决议前日期自主搜索证据、推理并给出事件预测概率，让证据获取进入学习闭环。
- 将预测误差分解为「证据获取缺口」与「概率报告缺口」两部分
- 指出 GRPO 的标准差归一化会扭曲多类 proper scoring rule 下的报告目标
- 每个 dated forecast 用 proper scoring rule 对照最终结局打分，一个已决议事件可监督不同信息状态下的多个决策
- 在 GLM-4.5-Air 上，Brier score 从 0.731 降至 0.626(ForecastBench)
论文、代码、数据与网站均已公开。
「研究」频道最新
- Tim Vieira 详解条件泊松抽样：带交互验证的固定大小子集分布 — xtimv · 2026-10-29
- 训练发现：不同预训练种子构建的奖励模型集成更抗 reward hacking — vxnuaj · 2026-10-29
- Google DeepMind 工程师五项 CUDA 优化，把 3DGS 渲染再提速 10.5 倍 — janusch_patas · 2026-10-29
- AI 审计经济学家 Saez 与 Zucman:138 篇论文查出 2035 处问题 — sebkrier · 2026-10-29
- Granary-v2 开源语音模型扩至 48 语言，连数据和流水线都开放 — rdesh26 · 2026-10-29
- Tinker 推出 LoRA 微调优化器 Dimuon，SFT 少步数即超 AdamW — xennygrimmato_ · 2026-10-29