LLM可行动不确定性评测基准研究
Get the story
2026年10月5日，arXiv Computation and Language 发布一手论文，提出“可行动不确定性”（actionable indeterminacy）评测框架，用于研究大语言模型在偏好推理中何时应直接行动、何时应澄清、何时应提出最小代价约束修复。研究构建覆盖对象分配、会议安排、公寓选择与稳定匹配的求解器基准。实验发现，模型能够识别需要澄清或修复的情形，但在已有正当行动时仍会进行干预；即使决策标签正确，也不保证生成可用的行动、问题或修复。论文还指出，明确响应要求可显著提升完全正确响应率，并改变干预决策。目前报道仅涉及该论文内容，未见后续验证或争议。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and LanguageLLM 偏好推理中可行动不确定性的评测
论文提出“可行动不确定性”（actionable indeterminacy）框架，区分何时行动、何时澄清、何时提出最小代价约束修复，并构建覆盖对象分配、会议安排、公寓选择与稳定匹配的求解器基准。实验发现，模型能识别需要澄清或修复的情形，却在已有正当行动时仍进行干预；正确决策标签也不保证生成可用的行动、问题或修复。明确响应要求可显著提升完全正确响应率，并改变干预决策。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.