arXiv cs.CL· Hanwen Li, Jinhao Duan, Guanhua Zhu, Junchi Lu, Bo Shen, Chenxi Yuan, Kaidi Xu·· 4 小时前AI 评分29
从不确定性到行动：学习引导 LLM 智能体
From Uncertainty to Action: Learning to Steer LLM Agents
AI 导读
研究者提出 VoS（Value of Steering），一种轨迹级监控器，可从约 82,000 条反事实续写中学习每步引导价值，并据此决定在何处引导 LLM 智能体。在 12 种基准、智能体及离线/在线设置下，VoS 平均提升 7.8 分，并在 11 种设置中平均超出五种现有不确定性触发方法 2.9 分。
来源：arXiv cs.CL · arxiv.org