value-of-information

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。