decision-rules

本文批判了使用成对比较来学习人类偏好的方法，认为内部多元主义（多种相互冲突的优先级）削弱了标准方法。它提出了一个形式化模型，并建议允许犹豫不决可以提高学习效率。

Trace2Policy 从专家行为痕迹中提取人类可读的决策规则，并通过错误驱动的技能精炼进行迭代优化，在物流领域的合规敏感任务上优于纯LLM基线。