标签
论文提出 Halve-Then-Greedy（HTG）算法，用于固定预算下的自适应实验设计，以最大化推荐设计均值超过目标的后验概率，并证明了近最优的实例相关样本复杂度界。
本文提出，通过以信息增益为奖励，训练指导动作选择的推理过程，将序贯贝叶斯实验设计摊销到大语言模型中。在“二十问”任务上训练得到的策略，以更低的成本超越了训练时和推理时的贝叶斯实验设计（BED）基线，能够泛化到未见过的类别，并迁移至 Medi-Q 临床对话基准。
本文将认知实验设计表述为贝叶斯实验设计问题，引入了一个摊销框架，能够高效识别用于推断潜在规划参数的信息量最大的环境，并在Mouselab-MDP范式上验证了其性能。