将层次分析法与大型语言模型结合以实现透明的多准则决策

arXiv cs.AI 论文
analytic-hierarchy-process large-language-models decision-making transparency interpretability benchmark

摘要

本文提出了一种端到端方法，使大型语言模型能够执行层次分析法工作流，从而提高多准则决策任务的透明度和与专家判断的一致性。

arXiv:2609.16779v1 Announce Type: new 摘要：大型语言模型正日益应用于广泛的决策任务。然而，其内部推理的不透明性使得验证或解释其输出变得困难，而在高风险环境中，可解释性的需求变得尤为重要。本研究通过层次分析法（AHP），一种经典且广泛使用的多准则决策框架，检验了大型语言模型的决策能力。我们基于AHP构建了一个新的带注释的基准测试，并提出了第一种端到端方法，使大型语言模型能够执行完整的AHP工作流。在法律和高等教育排名领域的现实世界决策问题上的实验表明，我们的方法显著提高了与专家判断的一致性。
查看原文
查看缓存全文

缓存时间: 2026/09/16 09:04 

# 整合层次分析法与大语言模型实现可解释的多准则决策
来源：https://arxiv.org/abs/2609.16779
查看PDF (https://arxiv.org/pdf/2609.16779)

> 摘要：大语言模型正日益广泛应用于各类决策任务。然而，其内部推理过程的黑箱性使得验证或解释输出结果变得困难，这种可解释性需求在高风险决策场景中尤为关键。本研究通过层次分析法（AHP）这一经典且广泛应用的多准则决策框架，探究大语言模型的决策能力。我们构建了基于AHP的新标注基准测试，并提出首个端到端方法使大语言模型能够执行完整的AHP工作流程。在法律和高等教育排名等领域的实际决策问题实验中，该方法显著提升了模型输出与专家判断的一致性。

## 提交记录
来自：Pascale Zarate [查看邮件 (https://arxiv.org/show-email/cb41a79f/2609.16779)] [通过CCSD代理] **[版本1]** 2026年9月15日 星期二 07:47:04 UTC (241 KB)

相似文章

以人为本的大型语言模型的反思与新方向

arXiv cs.CL

本文提出了一种以人为本的大型语言模型（HCLLMs）框架，融合人机交互（HCI）与自然语言处理（NLP）的视角，旨在模型开发的全生命周期中优先保障人类价值观。

用于空中作战决策支持的离线多模态大型语言模型

arXiv cs.AI

本文研究离线多模态大型语言模型作为空中作战的决策支持工具，详细描述了一种模块化检索增强架构，并介绍了与Brazilian Air Force合作的试点研究，该研究显示在条令评估任务中认知负荷降低且效率提高。

从孤立任务到结构化能力：大型语言模型的多层分类法

arXiv cs.CL

本文提出了一种面向大型语言模型的多层分类法，包含14个能力域和91个子技能，借鉴人类认知科学来组织超越孤立任务的LLM评估。通过映射主要AI会议上的15,934篇论文，展示了其实用性，揭示了语言语义能力和推理的集中关注，同时识别出探索不足的领域。