基于语言模型和概率推理的主动偏好推断

本研究使用语言模型自身来引导任务规范化的学习框架，通过与用户进行自由形式的、基于语言的交互来提取和推断预期行为。实验结果表明，通过生成开放式问题或综合信息临界案例等方式激发语言模型表现的结果通常比用户编写的提示或标签更具信息量。用户反馈认为交互式任务引导所需的工作量较小，并能提供用户新颖考虑。研究结果表明，基于语言模型的任务引导可以成为强大工具。