标签
本文介绍了SDR-Bench，一个用于在双方贝叶斯说服框架下评估大型语言模型个性化能力的基准，发现在前沿大语言模型中存在一致的瓶颈，并通过现场部署验证了该框架。
本文针对交互驾驶中的贝叶斯劝导问题，提出了一种结构化强化学习框架。在该框架中，领航车辆通过选择性披露交通信息来引导网联车辆。该方法引入了MAPL和SQP算法，相比现有方法实现了30%的成本效率提升。