Victor De Lima

该研究用IBM-Rank-30k的142条论证作为共享信息空间，把11个开源指令微调大模型对候选信息是否值得追问的判断（以肯定标签概率作为信息征询分数）接入同一套顺序征询模拟，在固定选择规则、固定应答者行为、不生成自然语言问题的条件下，刻画模型特有的信息征询偏好如何塑造征询轨迹的广度与深度，并检验交互历史、候选集规模、应答标签与提示措辞的影响。

该研究用IBM-Rank-30k的142条论证作为共享信息空间，把11个开源指令微调大模型对候选信息是否值得追问的判断（以肯定标签概率作为信息征询分数）接入同一套顺序征询模拟，在固定选择规则、固定应答者行为、不生成自然语言问题的条件下，刻画模型特有的信息征询偏好如何塑造征询轨迹的广度与深度，并检验交互历史、候选集规模、应答标签与提示措辞的影响。