大型语言模型贝叶斯网络结构抽取的可扩展性：一种新方法与比较分析
计算与语言
2024-07-15 v1
摘要
本文提出了一种新的贝叶斯网络( BN )结构抽取方法，基于对多个LLM进行不同经验初始化，独立查询它们以创建BN的结构，进而通过多数投票获得最终结构。我们将该方法与另一种替代方法进行比较，测试对象为各种广为人知和不太为人知的BN，规模大小各不相同，研究两者在其中的可扩展性。我们还提出了一种检查LLM中BN污染的方法，发现一些广为人知的BN不适用于测试LLM用于BN结构抽取。我们也指出，有些BN可能不适用于此类实验，因为其节点名称难以区分。对其他BN的实验表明，我们的方法在其中三种研究中的LLM中表现优于现有方法；然而，两种方法的性能随BN规模的增加而显著下降。
引用
@article{arxiv.2407.09311,
title = {Scalability of Bayesian Network Structure Elicitation with Large Language Models: a Novel Methodology and Comparative Analysis},
author = {Nikolay Babakov and Ehud Reiter and Alberto Bugarin},
journal= {arXiv preprint arXiv:2407.09311},
year = {2024}
}
备注
27 pages