**将顺序实验设计摊销至推理大模型：以更低成本提升信息获取与泛化能力**

_Amortizing Sequential Experimental Design in Reasoning LLMs_

> 针对大语言模型在实验设计任务中难以自适应获取信息的痛点，研究提出了一种将顺序贝叶斯实验设计（BED）摊销至 LLM 的方法。该方法通过信息增益奖励明确训练引导动作选择的推理过程，并独立于模型自身信念构建实验生成模型。实验表明，该方法在 Twenty Questions 任务上显著优于推理时和训练时的 BED 基线，不仅大幅降低了计算成本，还实现了向未见类别的泛化，并在临床对话基准 Medi-Q 上展现了正向迁移效果，证明了信息获取可作为 LLM 的可泛化推理技能被学习。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20832)