研究：编码LLM可学习可解释模型

一项研究提出，用简单 harness 反复提示编码 LLM，逐条生成规则集，从而从数据中学习可解释模型。作者 Aditya Kumar 等称，该方法在表格数据上媲美甚至超越当前最优（SOTA）规则学习方法，小训练集下优势明显；在文本任务上大幅领先，包括击败另一个基于 LLM 的规则学习器。 该方法还催生了新型可解释模型，并提出“构建可解释分类器”这一新编码基准，可用测试集误差量化输出质量。相关论文发表于 arXiv cs.AI。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。