论文：LLM 行为是上下文引导的推断

论文主张用上下文引导的推断框架重新评估 LLM 推理

资讯摘要

这篇立场论文认为，大模型许多被解读为“随机鹦鹉”或“高级推理”的行为，更适合解释为基于训练数据先验、由上下文引导的推断，作者称之为 context-directed extrapolation。论文提出一份可操作的评估清单与设计模式，主张区分记忆、基本推断与真正的应用级泛化，以更准确地校准关于 LLM“推理”能力的说法。

要点速读

1. 论文将 LLM 行为解释为 context-directed extrapolation：从训练数据先验出发，由上下文引导到合适的先验。
2. 上下文引导在基座模型中通过示例实现，对应 in-context learning；指令微调则允许用提示指定任务。
3. 作者提出可操作的评估清单与设计模式，用于区分记忆、基本推断与应用级泛化。

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 2026/10/23 08:00:11（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。