用编码LLM学习可解释模型的方法

2026年10月14日，arXiv Artificial Intelligence 刊出 Aditya Kumar 等作者的论文，提出一种用编码 LLM 从数据中学习可解释模型的简单框架。据该报道，研究者设计了一个简单 harness，反复提示编码 LLM 在给定标注样本下生成规则集中的下一条规则，从而从数据中学习可解释模型。报道称，该方法在表格数据上与最先进规则学习方法相当甚至更优，在小训练集上尤其明显，并在文本任务上大幅领先，包括击败另一个基于 LLM 的规则学习器。报道还称，由于编码智能体不受高度受限假设空间的约束，该思路直接带来新型可解释模型，并引入“构建可解释分类器”这一新类编码基准。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。