IXThinker·2025-08-01 01:40

回歸語言模型新方法 劍指數值預測難題

大型語言模型能否勝任數值預測？有新研究提出基於語言模型的文本到文本回歸方法，以觀察到的數值結果作為獎勵信號訓練模型，目標是處理各類數值預測問題。

既有路徑

傳統上，LLM主要靠學習人類偏好與評分來提升表現：由獎勵模型對提示與回應打分，指導訓練方向。這條路徑對提升生成文本質素效果顯著，但依賴主觀反饋，應用範圍受限。