【第563期】贝叶斯教学：提升大语言模型的概率推理能力

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com

今天的主题是：

Bayesian Teaching Enables Probabilistic Reasoning in Large Language Models

Summary

大语言模型（LLM）正越来越多地被用作与用户及世界交互的代理。为了成功实现这一点，LLM 必须构建对世界的表征，并形成关于这些表征的概率信念（probabilistic beliefs）。例如，为了提供个性化推荐，LLM 需要从用户在多次交互中的行为中推断其偏好。

贝叶斯推理框架为代理在接收新信息时如何更新其信念提供了最优路径。我们首先证明，LLM 的表现远未达到贝叶斯框架所定义的标准。随后我们表明，通过教导 LLM 模拟规范贝叶斯模型的预测，可以显著提升它们更新信念的能力；这种能力可以泛化到新的任务中。

我们得出结论：LLM 能够有效地从示例中学习推理技能，并将这些技能泛化到新的领域。

原文链接：https://arxiv.org/abs/2503.17523