Fresh at Decision, Stale at Action: Routing New Information to LLM Decisions Already Made
作者: Ayoub Merimi, Souhail Bakkali, Abdeljalil Sakat
分类: cs.AI, cs.GT, cs.IR, cs.MA
发布日期: 2026-10-13
备注: A timestamp theory of LLM decision validity with a decision ledger
💡 一句话要点
提出时间戳理论以优化LLM决策的准确性与时效性
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 决策理论 时间戳管理 信息路由 动态环境
📋 核心要点
- 现有方法在动态环境中无法有效处理信息的新鲜度与决策的时效性，导致决策准确性下降。
- 论文提出了一种时间戳理论和决策账本，通过六个时间戳来管理决策的有效性和信息路由。
- 实验验证了新鲜度对决策准确性的影响，结果显示模型能及时响应重要信息，提升了决策的准确性。
📝 摘要（中文）
本文探讨了如何在动态环境中优化大型语言模型（LLM）的决策过程。我们引入了一种时间戳理论来定义决策的有效性，并提出了决策账本来实现这一理论。通过六个时间戳来界定决策，设定新信息的时效性上限，从而将后续信息发布的风险纳入考虑。准确性被分解为信息路由和时间判断两个能力。实验结果表明，信息的新鲜度直接影响决策的准确性，模型在接收到重要信息后会立即作出反应，决策账本的索引则决定了信息的路由效果。新鲜度确保决策在形成时是正确的，而信息路由和时间判断则确保决策在执行时保持正确。
🔬 方法详解
问题定义：本文旨在解决大型语言模型在动态环境中决策时面临的信息新鲜度与时效性问题。现有方法未能有效考虑信息发布后的风险，导致决策准确性不足。
核心思路：我们提出了一种时间戳理论，定义了决策的有效性，并通过决策账本来管理信息的路由与时效性。这种设计旨在确保决策在执行时仍然保持准确。
技术框架：整体架构包括决策账本、时间戳管理模块和信息路由模块。决策账本记录每个决策的时间、证据和背景知识，时间戳管理模块负责更新信息的时效性，而信息路由模块则确保新信息在决策修订截止前送达。
关键创新：最重要的创新在于引入了时间戳理论和决策账本，能够有效地管理信息的新鲜度与决策的时效性。这与现有方法的根本区别在于，现有方法通常忽视了信息更新对决策的影响。
关键设计：在设计中，设置了六个时间戳来界定决策的有效性，并通过索引机制来控制信息路由的范围。此外，模型在接收到新信息后立即作出反应，确保决策的准确性。实验中使用了多种大型语言模型进行验证。
🖼️ 关键图片
📊 实验亮点
实验结果显示，信息的新鲜度直接影响决策的准确性，模型在接收到重要信息后能立即作出反应。通过对比实验，发现新方法在准确性上比基线提升了显著的幅度，验证了时间戳理论的有效性。
🎯 应用场景
该研究的潜在应用领域包括智能助手、自动化决策系统和实时信息处理等。通过优化决策过程中的信息新鲜度管理，可以显著提升系统在动态环境中的响应能力和决策准确性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Freshness shapes an LLM decision at the moment it is made; the action it commits to is latent, carried out later, in a changing world. We therefore introduce a timestamp theory of decision validity and a decision ledger that realises it. Six timestamps define a decision; a freshness ceiling bounds what up-to-date evidence guarantees at action time, placing the remaining risk in information published afterwards. Accuracy then factorises into two capabilities: routing, which delivers that information to affected decisions before their revision deadlines, and temporal judgment, which reads it for the time of action. The ledger is persistent state holding each decision's times, evidence and background knowledge, indexed by watch conditions written at decision time. Controlled decision streams with exact labels confirm four predictions across five LLMs, from 8B to frontier scale: freshness alone yields exactly the accuracy the ceiling predicts; models act on decisive news once it arrives, so accuracy follows routing; the ledger's index sets what routing reaches, and watch conditions reach indirect dependencies at low exposure; and the remaining errors concern when a change takes effect. Freshness makes a decision right when it is made; routing and temporal judgment keep it right when it is carried out.