让语言模型按证据来源而非报告数量更新信念

LQET 让模型按证据来源更新，而非按报告重复次数。

资讯摘要

论文关注人机反复交互中同一观察被多次转述、摘要后回传，使重复看似独立佐证的问题，研究语言模型能否利用报告谱系按证据来源更新信念。作者提出 Latent Quotient Evidence Training（LQET），结合稀疏贝叶斯监督与约束，使无新证据时预测稳定、同一新证据在不同转述链上更新一致。在受控二分类基准上，作者报告相对仅任务训练，Qwen3-4B 与 Phi-4-mini 的新证据更新 RMSE 降低 41–44%，八步转述后对数几率漂移降低 89–91%。

要点速读

1. 论文提出 LQET 关系型训练目标，结合稀疏贝叶斯监督，约束无新证据时预测稳定、同一新证据跨转述历史更新一致。
2. 在受控二分类基准上，作者报告新证据更新 RMSE 降低 41–44%，八步转述后对数几率漂移降低 89–91%，覆盖 Qwen3-4B 与 Phi-4-mini。
3. 增益延伸至闭环模拟：模型置信度决定后续轮次有多少转述报告重新进入上下文。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。