NeurIPS 2024 (Oral) | 如何量化与提升思维链的推理能力边界？

文章预览

MLNLP 社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。 社区的愿景 是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。 转载自 | 机器之心 本篇工作已被 NeurIPS（Conference on Neural Information Processing Systems）2024 会议接收，并被评为  Oral Presentation (72/4553) 。该文章的第一作者陈麒光，目前就读于哈工大赛尔实验室。他的主要研究方向包括大模型思维链、跨语言大模型等。 该研究主要提出了推理边界框架（Reasoning Boundary Framework, RBF），首次尝试量化并优化思维链推理能力。 论文链接：https://arxiv.org/abs/2410.05695 代码地址：https://github.com/LightChen233/reasoning-boundary 大型语言模型（LLMs）与思维链推理能力 什么是思维链（Chain-of-Thought, CoT） ………………………………