果断：通过非结构化文档中的最佳偏好引导来指导用户决策

决策是一项认知密集型任务，需要综合来自多个非结构化来源的相关信息，权衡竞争因素并结合主观用户偏好。现有的方法，包括 大语言模型 和传统的决策支持系统，都存在不足：它们常常让用户不知所措，或者无法准确捕捉细微的偏好。我们提出了 Decisive，一个交互式决策框架，它将基于文档的推理与贝叶斯偏好推理相结合。我们的方法将决策基于从源文档中提取的客观选项评分矩阵，同时通过有针对性的启发主动学习用户的潜在偏好向量。用户回答自适应选择的成对权衡问题，以最大化最终决策的信息增益。这个过程有效地融合，最大限度地减少用户的工作量，同时确保推荐保持透明和个性化。通过大量实验，我们证明我们的方法显着优于通用 LLM 和现有决策框架，与跨领域的强大基线相比，决策准确性提高了 20%。