Deterministic Decisions for High-Stakes AI. A Zero-Egress Pipeline with the Deployability of RAG and the Accuracy of Machine Learning
Este artigo identifica e quantifica o "viés de intervenção" em consultores educacionais de LLM zero-shot, que erroneamente recomendam ações desnecessárias em comparação a um oráculo ótimo, e demonstra que o aprendizado de política supervisionado usando Decision Transformers ou XGBoost elimina efetivamente esse viés, alcançando alta precisidade e decisões de baixa latência adequadas para implantação de alto risco.