论文页面 - 大语言模型中的元认知：基础、进展与机遇

来源：https://huggingface.co/papers/2607.11881

摘要

元认知是智能的基础组成部分，对有效学习、问题解决、决策制定、沟通等方面至关重要。近年来，它越来越被认为是构建能力强、透明的人工智能系统的基石。然而，尽管大语言模型在多种现实世界任务中取得了显著进展，但目前尚不清楚它们何时、如何以及在多大程度上能够展现或被赋予有效的元认知能力，也不清楚这些能力如何被用于提升人工智能系统的基础能力、可靠性和智能水平。本文通过提供关于大语言模型元认知知识现状的首次全面概述，弥合了这一差距。我们分析并分类了这一新兴领域的格局，总结了近期的技术进步，包括测量和评估大语言模型元认知能力的方法与基准、激发、提升和应用大语言模型元认知的技术，以及正在进行的研究的发现和启示。我们还讨论了应用、开放问题与挑战，以及未来工作的有前景方向。我们的目标是提供对该主题的详细且最新综述，并激发有意义的研究和讨论。论文的整理列表请见 https://github.com/yale-nlp/LLM-Metacognition。

查看arXiv页面 (https://arxiv.org/abs/2607.11881)查看PDF (https://arxiv.org/pdf/2607.11881)添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.11881)

引用本文的模型0

暂无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.11881 以在此页面建立链接。

引用本文的数据集0

暂无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.11881 以在此页面建立链接。

引用本文的 Spaces0

暂无 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.11881 以在此页面建立链接。

包含本文的收藏集0

暂无收藏集包含此论文

请将本论文添加至收藏集 (https://huggingface.co/new-collection) 以在此页面建立链接。