贝叶斯方法

研究人员提出BayesPO框架，将提示优化转化为贝叶斯后验采样问题，通过梯度引导的离散MCMC方法优化大语言模型提示，在多项任务中实现性能提升。

研究揭示贝叶斯因果发现在潜在混杂变量影响下的失效机制，发现存在关键相关性阈值，超过该阈值后模型会倾向于在混杂变量间建立虚假边。