苹果新研究：不微调、不重训，如何让AI提问效率暴增6.5倍？

那么，究竟该如何做到这一点呢？ 在这场以大型语言模型（LLM）为核心的 AI 浪潮中，苹果似乎一直保持着低调，很少出现在技术报道的前沿。尽管如此，时不时地，该公司也能拿出一 些非常亮眼的研究成果，比如能在 iPhone 上直接运行的高效视觉语言模型 FastVLM。 近日，苹果与牛津大学和香港城市大学合作的一项新研究吸引了不少关注。其中提出了一种名为BED-LLM的新方法，能让 AI 解决问题的能力直接提升 6.5 倍（成功率从 14% 暴增至 91%），而整个过程无需微调或重新训练，直接在当前模型上运行即可。 而实现这一突破的关键，便是让 AI 学会问出完美的问题。 论文标题：BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design 论文地址：https://arxiv.org/abs/2508.21184 这要从 LLM 的一个不足之处说起，即难以智能且自适应的方式主动从用户或外部环境中获取信息。这就像是 LLM 的「多轮遗忘症」。 具体而言，虽然现代 LLM 通常能够一次性生成连贯且富有洞察 ...