共享本性、独特养育：PRISM用于通过In-context结构建模的Pluralistic推理
机器学习
2026-02-26 v1
摘要
大型语言模型（LLMs）正趋向于单一的人工蜂群意识，其中共享的本性（预训练先验）导致分布多样性的深刻折叠，限制了对创造性探索和科学发现所必需的独特视角。为此，我们提出通过In-context结构建模为模型提供推理时的养育（individualized epistemic trajectories），遵循探索、内化和表达三个阶段。我们通过PRISM（Pluralistic Reasoning via In-context Structure Modeling）实现了这一点，这是一个模型中立的系统，通过动态On-the-fly Epistemic Graphs来增强LLM。在三个创意基准测试中，PRISM实现了最先进的新颖性并显著扩大了分布多样性。此外，我们通过一个具有挑战性的罕见疾病诊断基准来评估其实际应用价值。结果表明，PRISM成功发现了标准LLM遗漏的正确的长尾诊断，确认其偏离源于有意义的探索而非不连贯的噪声。总之，本工作确立了一种新的Pluralistic AI范式，超越单一的共识，朝着一支由独特认知个体组成的多视角发现生态系统迈进。
引用
@article{arxiv.2602.21317,
title = {Shared Nature, Unique Nurture: PRISM for Pluralistic Reasoning via In-context Structure Modeling},
author = {Guancheng Tu and Shiyang Zhang and Tianyu Zhang and Yi Zhang and Diji Yang},
journal= {arXiv preprint arXiv:2602.21317},
year = {2026}
}