论文浅尝 | 揭开思维链、思维树和思维图的神秘面纱

文章预览

论文链接：https://arxiv.org/pdf/2401.14295 1. 引言 大型语言模型(LLM)已成为现代机器学习(ML)领域中的核心工具，它的发展轨迹始于基础自然语言处理(NLP)任务，并迅速以其广泛的应用潜能跨越至逻辑推理、规划乃至医疗等多个前沿领域。由于LLM主要通过自然语言进行互动，因此提示工程作为新兴研究焦点，正收获前所未有的关注与重视。这一领域的兴起，不仅极大简化了大众使用LLM及参与生成式人工智能探索的门槛，推动了技术民主化进程，还体现出显著的成本效率优势，规避了传统方法中高昂且耗时的微调与预训练环节。 优化LLM的提问策略以提升输出的精确度，尤其是针对逻辑推理或代数查询等复杂任务，是当前面临的一大挑战。尽管LLM的规模和认知能力在不断进步，但受限于生成式Transformer模型自左向右、逐token预测的机制，直接借助简化的提示完 ………………………………