CONDESION-BENCH：组合动作空间中大型语言模型的条件决策

大型语言模型因其语境理解与推理能力，被广泛探索为高风险领域的决策支持工具。然而，现有决策基准依赖两个简化假设：动作选自有限预定义候选集，且未将限制动作可行性的显式条件纳入决策过程。这些假设无法捕捉现实世界动作的组合结构及其有效性约束。为此，本文提出 CONDESION-BENCH，旨在评估组合动作空间中的条件决策能力。该基准将动作定义为决策变量的分配，并在变量、语境及分配层面施加显式条件限制。通过基于预言机的决策质量与条件遵循度评估，本研究为 LLM 作为决策支持工具提供了更严谨的评测框架。