摘要
针对信息不完全下的大规模决策中概率估计难题，现有方法常因因子空间稀疏导致“未知”结果，或因扩展因子引入噪声。本文提出 ANCHOR 框架，通过迭代生成与分层聚类构建稠密有序的因子空间，利用分层检索减少未知预测，并引入因果贝叶斯网络 relax 朴素贝叶斯的独立性假设以捕捉潜在依赖。实验表明，该方法显著降低了未知预测率，提升了概率估计的可靠性，同时在时间与 token 开销上优于现有基线。
AI 推荐理由
论文核心在于通过构建分层贝叶斯网络提升 LLM 在信息不全下的概率推断与逻辑推理可靠性。
研究机构
School of Informatics, Xiamen University, Xiamen, China
School of Film, Xiamen University, Xiamen, China
Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Xiamen University, Xiamen, China
Institute of Artificial Intelligence, Xiamen University, Xiamen, China
Correspondence to: Zhongquan Jian, , Qingjiang Wu
论文信息