告别一次性全盘推理，这套skill让每条证据都能追溯预测结果 | EMNLP'26 LEAP团队 投稿 量子位 | 公众号 QbitAI 预测系统现在很会找资料。一个agent可以搜索网页、调用工具、整理来源，再把几十条材料带回预测阶段。 但真正的麻烦从这里才开始：最后该怎样使用这些证据？ 常见做法是把全部材料塞进一次LLM调用，让模型自行消化并给出答案。结果可能很自信，但使用者很难判断，究竟是哪条证据改变了预测。 EMNLP 2026 Main Conference**接收的论文新作**《LEAP: Likelihood Elicitation and Aggregation for LLM-based Probabilistic Forecasting》**，系统地研究了这一步。 它在保留已有搜索与证据收集流程的前提下，重新设计了evidence到forecast的转换方式。 搜索结束之后，预测才刚刚开始 论文把一次性读取全部证据并直接作答的方式称为**Monolithic Prediction。**这种流程把证据解释、冲突处理和最终决策都交给同一次模型调用。自然语言rationa