用这条Q-Star的prompt让LLM拥有MDP，深思熟虑规划你的复杂推理

文章预览

点击上方 蓝字 关注我 本文：5200字阅读  14分钟   人类行为通常可以使用马尔可夫决策过程(MDP)进行有效建模。但处理一些复杂推理时，当面对需要多步推理的问题时，即便是最先进的LLMs也常常力不从心，尤其在进行多步推理时容易产生错误、幻觉和不一致的陈述。这就像一个经验不充分的人在解决复杂问题时，仅仅依靠直觉和快速思考，而没有进行深入的推理和规划。 图片来自公众号公共图片库 来自Skywork AI和南洋理工大学的研究者提出了提出了 Q* ，一个通用敏捷的框架，用于提高机器学习的多步推理能力，能够让 LLM 获得深思熟虑的规划能力。 01 Q*：AI推理的规则改变者 在理解Q*之前，我们首先要了解 马尔可夫决策过程 (MDP)。这 是一种数学框架，用于模拟决策者在部分随机的环境中做出一系列决策的情况。关于马尔可夫决策过程(MDP)这一概念 ………………………………