研究LLM聚合行为预测的推理组织方式

2026年10月20日，arXiv Artificial Intelligence 刊出 Varun Gupta 与 Vijay Kamble 的论文，研究如何组织 LLM 推理，以便从行为数据预测用户群体的聚合结果。研究在电商场景下进行，目标是在不做任务特定模型训练的前提下，从浏览会话预测产品级转化率，并比较“会话摘要”与“逐会话预测”两种推理组织方式在偏差与方差上的权衡。在 5 个 LLM 和 2 个数据集上，产品单独评估时逐会话预测更优，产品合并评估时摘要更优；比较式摘要在 15 个设置中的 12 个取得最高 Spearman 相关性，且推理成本仅为逐会话方法的一小部分，最佳模型下达到基于数千个标注产品训练的监督基准相关性的 66-89%。目前进展限于该论文报告的实验结论。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。