这个名字让你想到谁？基于大型语言模型联想记忆的国籍预测

大型语言模型（LLMs）拥有广泛的世界知识，但有效提取这些知识的方法仍较少被研究。国籍和区域预测任务需要理解语言特征以及文化和历史背景，这使得LLM的世界知识特别有价值。然而，传统LLM提示方法依赖直接推理，难以应用抽象的语言规则。本文提出LLM联想记忆代理（LAMA），一种利用LLM世界知识作为联想记忆的新框架。LAMA不直接从名字推断国籍，而是通过回忆同名的著名人物并聚合其国籍来实现间接推理。该框架采用包含人物代理和媒体代理的双代理架构，并行召回名人信息，通过投票生成Top-1预测，通过条件补全生成Top-K预测。在99个国家的国籍预测任务中，LAMA达到0.817的准确率，显著优于传统LLM提示方法和神经网络模型。实验表明，LLM在回忆具体实例方面比抽象推理更可靠，基于回忆的方法对低频国籍具有鲁棒性，且双代理架构能够互补协同产生协同效应。这些结果证明了通过检索和聚合LLM知识而非提示推理的新多代理系统的有效性。