Mockingbird：LLM 在一般机器学习任务中表现如何？
机器学习
2025-08-07 v1
摘要
大语言模型（LLM）如今被越来越多地用作聊天机器人，负责根据用户指令对信息进行概述或生成文本和代码。LLM推理能力和推理速度的快速提升揭示了其在聊天机器人领域之外的广泛应用潜力。本工作出于对这种潜力的好奇，我们提出了框架Mockingbird来适配LLM以解决一般机器学习任务，并评估其在几个一般机器学习任务上的性能和可扩展性。该框架的核心概念是指示LLM扮演功能并反思自身错误以自我改进。我们的评估和分析结果表明，LLM驱动的机器学习方法（如Mockingbird）可以在常见机器学习任务上获得可接受的结果；然而，仅凭反思自身当前状态无法超过基于领域特定文档和来自人类专家反馈的效果。
引用
@article{arxiv.2508.04279,
title = {Mockingbird: How does LLM perform in general machine learning tasks?},
author = {Haoyu Jia and Yoshiki Obinata and Kento Kawaharazuka and Kei Okada},
journal= {arXiv preprint arXiv:2508.04279},
year = {2025}
}