标签
论文提出了一种名为 DIVA（决策导向的信息价值获取）的训练无关方法，使大语言模型基于证据的决策价值来决定何时检索信息以及何时停止，从而避免为不改变决策的证据付费，并在四个领域、20 个大语言模型上将最佳基线的遗憾值降低 75%。
CruxBench 是一个新的基准测试，用于评估大语言模型（LLM）发现有价值信息的能力——它将预测问题分解为信息量大的子问题（"cruxes"），并以信息价值（Value of Information, VOI）进行评分。在 293 道预测问题上的评测结果显示，VOI 与模型能力高度相关（r=0.90），但前沿模型的表现仍然几乎仅略优于随机时机的基线水平。
LAVOIR引入了一种方法，使单通道决策模型能够基于摊销信息价值提问，从而在处理未充分指定的输入时提高准确性和效率。
HB-PVI 是一个层次贝叶斯框架，通过平衡收益和成本来优化复杂活动识别中的个性化决策，展示了一种群体优先的部署策略可以在保持性能的同时减少标注成本。
This paper introduces Opal (Opportunity-aware Policy Authorization for Laboratories), a framework that certifies whether adaptive experimentation should be enabled by precommitting to non-trivial adaptation, controlled target risk, and positive executed value after cost. It establishes an impossibility boundary and demonstrates the method on a Cell Painting dataset, achieving risk control and positive value.
提出了一种不确定性门控路由器，对于截止边际不确定的查询，将选中的关键块数量加倍，从而提升长上下文语言模型中块稀疏注意力的召回率和准确率，并在多种架构上得到验证。
本文提出了一种用于大语言模型（LLM）搜索代理的两阶段推理时预算控制方法，利用信息价值（VOI）分数在多跳问答过程中优化工具调用和 Token 分配。