诱导至关重要：稀疏观测下提示与查询协议如何塑造 LLM 代理模型
计算与语言
2026-05-07 v1
摘要
大语言模型越来越多地被用作低数据优化的代理模型，但其面向优化器的预测及其不确定性仍知之甚少。我们研究了在稀疏观测下从 LLM 中诱导出的代理信念，表明其强烈依赖于提示文本和查询协议。我们引入了不确定性对齐准则，以衡量模型不确定性是否追踪样本一致函数间的残余歧义。在受控推理任务和贝叶斯优化研究中，我们发现结构化提示充当了有效的先验，POINTWISE 和 JOINT 查询诱导出不同的信念，且顺序证据导致了非单调、对顺序敏感的置信度更新。这些效应改变了下游的采集决策和遗憾，表明诱导协议是 LLM 代理规范的一部分，而非格式细节。
引用
@article{arxiv.2605.04764,
title = {Elicitation Matters: How Prompts and Query Protocols Shape LLM Surrogates under Sparse Observations},
author = {Ge Lei and Samuel J. Cooper},
journal= {arXiv preprint arXiv:2605.04764},
year = {2026}
}