新算法UoT助力AI提問——主動尋求信息，任務完成率提高57.8%

AIGC動態歡迎閱讀

原標題：新算法UoT助力AI提問——主動尋求信息，任務完成率提高57.8%
關鍵字：問題,不確定性,增益,模型,信息
文章來源：夕小瑤科技說
內容字數：10029字

內容摘要：

夕小瑤科技說 原創作者 | 松果、Python引言：信息尋求在不確定性環境中的重要性在不確定性環境中，信息尋求的能力至關重要。在許多實際應用中，如醫學診斷和故障排除，解決任務所需的信息并非一開始就給出，而需要通過提問后續問題來主動尋求（例如，醫生詢問患者更多關于癥狀的細節）。本文介紹了一種算法——不確定性思維（Uncertainty of Thoughts，UoT），該算法通過提問有效問題來增強大語言模型的主動信息尋求能力。UoT結合了不確定性模擬、基于信息增益的獎勵以及獎勵傳播方案，使模型能夠在最大化預期獎勵的方式下選擇最佳問題。在醫學診斷、故障排除和“20個問題”游戲的實驗中，UoT在多個大語言模型（LLMs）上平均提高了57.8%的任務成功完成率，并提高了效率（即完成任務所需的問題數量）。此基準測試和代碼已公開發布。
論文標題：Uncertainty of Thoughts: Uncertainty-Aware Planning Enhances Information Seeking in Large Language Models
公眾號「夕小瑤科技說」后臺回復“UoT”獲取

原文鏈接：新算法UoT助力AI提問——主動尋求信息，任務完成率提高57.8%

聯系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業洞見。聚集25萬AI一線開發者、互聯網中高管和機構投資人。一線作者來自清北、國內外頂級AI實驗室和大廠，兼備行業嗅覺與報道深度。