GPTree：基于大型语言模型的决策树实现可解释决策

GPTree 框架结合了决策树的可解释性和大型语言模型的推理能力，无需特征工程和提示链，仅需特定任务提示即可利用树形结构动态拆分样本。研究引入专家反馈机制，允许人工干预以改进决策路径。在识别早期“独角兽”初创企业方面，GPTree 的准确率达到 7.8%，优于少样本学习的 gpt-4o 以及最佳人类决策者（3.1% 至 5.6%）。