标签
本文介绍了一个框架，用于测试大型语言模型是否在不同领域表现出一致的风险态度。研究发现，大多数大型语言模型在风险态度上表现出任务内和跨领域的稳定性，并趋近于比人类更窄的分布。
本文介绍了一个针对LLMs用户侧记忆的诊断框架，表明个性化因素分解为行为一致性、事实存在和事实缺失。它证明了没有任何单一方法（例如LoRA vs RAG）在所有三个轴上均表现出色，并强调了参数化用户记忆的对齐税。
本文系统性地测量了LLM代理在多步骤工具调用流程中的行为可重现性，涉及1140条轨迹，发现了'结构一致性，参数变异性'的模式：代理可靠地按相同顺序选择工具，但参数有所不同，并且结构一致性能够预测任务的成功。