新算法UoT助力AI提问——主动寻求信息，任务完成率提高57.8%

AIGC动态欢迎阅读

原标题：新算法UoT助力AI提问——主动寻求信息，任务完成率提高57.8%
关键字：问题,不确定性,增益,模型,信息
文章来源：夕小瑶科技说
内容字数：10029字

内容摘要：

夕小瑶科技说原创作者 | 松果、Python引言：信息寻求在不确定性环境中的重要性在不确定性环境中，信息寻求的能力至关重要。在许多实际应用中，如医学诊断和故障排除，解决任务所需的信息并非一开始就给出，而需要通过提问后续问题来主动寻求（例如，医生询问患者更多关于症状的细节）。本文介绍了一种算法——不确定性思维（Uncertainty of Thoughts，UoT），该算法通过提问有效问题来增强大语言模型的主动信息寻求能力。UoT结合了不确定性模拟、基于信息增益的奖励以及奖励传播方案，使模型能够在最大化预期奖励的方式下选择最佳问题。在医学诊断、故障排除和“20个问题”游戏的实验中，UoT在多个大语言模型（LLMs）上平均提高了57.8%的任务成功完成率，并提高了效率（即完成任务所需的问题数量）。此基准测试和代码已公开发布。
论文标题：Uncertainty of Thoughts: Uncertainty-Aware Planning Enhances Information Seeking in Large Language Models
公众号「夕小瑶科技说」后台回复“UoT”获取

原文链接：新算法UoT助力AI提问——主动寻求信息，任务完成率提高57.8%