个人需求能否成为规划的监督信号？

arXiv:2610.40992v1 公告类型：交叉收录 摘要：通过饮食管理多种慢性病，需要在多餐、多日之间同时满足针对不同疾病和药物的特定要求，并保留既有饮食习惯。这些要求已在临床指南和药品说明书中公开，但对语言模型智能体而言，将其转化为适合某个人的可行计划仍然困难。在我们基于 NHANES 构建、经营养师认可的每周饮食规划评估中，从经过医学微调的 8B 模型到 GPT-6.1 Sol，共十三个模型通过直接生成得到的完整计划，通过率均低于 3%。即使采用显式规则、投入更多推理资源或使用由模型主导调用的工具，GPT-6.1 Sol 的通过率也不超过 8%。我们提出 Noura，将 LLM 规划与可执行的个人化规约相结合，这些规约根据公开临床指导以及个人健康和饮食档案实例化而成。在规划过程中，规约负责将食物映射到具体数据、优化份量、检查完整的多日计划，并指导修订。我们的核心见解是：能够否决计划的规约，也能够确定应从该计划中学习什么。Noura 将执行过的计划和结合上下文进行贡献归因的修订转化为小型模型的监督信号，即使某条轨迹从未完全成功，也能从中提取训练目标。同一套规约可为后训练提供监督目标、偏好和奖励。在 4,993 名留出参与者上，Noura-SFT 在相同的执行循环内，将 Qwen3-14B 的完整计划通过率从 24.0% 提升至 72.5%，将规则违反次数减少 97.5%，且未观察到严重失败，同时改善了饮食质量。本地部署的 14B 规划模型违反规则的次数少于其教师模型 GPT-6 Luna。匹配对比表明，与模型编写的提案相比，经执行得到的训练目标使规则违反次数减少了 41%。在来自 Qwen、Phi 和 Llama 的四个骨干模型上，仅采用自训练，就使一个包含 1,249 人的人群子集上的规则违反次数减少了 41%–61%。