CoLa：学习与大型语言模型交互式协作
计算与语言
2025-09-23 v3 人工智能
机器学习
摘要
大型语言模型 (LLM) 在广泛的语言任务上展现出惊人的能力，为人类与 AI 的协作式问题解决开辟了新机遇。LLM 可以通过放大人类的直觉和推理策略来提升人类能力。我们探讨是否可以从人类演示中抽象出人类指导 AI 系统解决复杂语言问题的策略，从而模拟人类指导者。我们提出 CoLa，这是一种 novel 的自我引导学习范式，用于训练自动化 ，并在两个 QA 数据集、一个拼图解决任务和一个受约束文本生成任务上进行评估。我们的实验结果表明，CoLa 在所有领域中 consistently 优于竞争方法。此外，小规模训练的 guide 能在充当 guide 时超越像 GPT-4 这样的强大模型。我们通过对 QA 数据集上的人类研究比较人类和自动 guide 所采用的策略。我们表明自动 guide 通过适应推理者的能力而超越人类，并进行定性分析，突出显示了指导策略之间的 distinct 差异。
引用
@article{arxiv.2504.02965,
title = {CoLa: Learning to Interactively Collaborate with Large Language Models},
author = {Abhishek Sharma and Dan Goldwasser},
journal= {arXiv preprint arXiv:2504.02965},
year = {2025}
}