LLM成对比较发现可解释特征的方法

2026年10月30日，arXiv Artificial Intelligence 刊出 Baptiste Arnaudo 等作者的论文，提出一种从非结构化数据中自动发现可解释、与决策相关特征的方法。该方法让 LLM 对数据项两两比较并给出可解释的区分理由，再用统计选择模型汇总这些理由。在带已知真实特征的合成求职信数据集上，该方法的特征恢复效果显著优于直接让 LLM 提取特征；在 ChangeMyView（Reddit）辩论数据集上，它发现了若干与说服相关的可解释特征，预测准确率与既有基线相当。目前报道仅介绍方法设计与上述两组实验表现，未提及后续应用或复现情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。