Randomness Is All You Need: Semantic Traversal of Problem-Solution Spaces with Large Language Models

本文是LLM系列文章，针对《Randomness Is All You Need: Semantic Traversal of Problem-Solution Spaces with Large Language Models》的翻译。

摘要

我们提出了一种新的方法来探索创新问题和解决方案领域，使用LLM与自定义思想数据库进行微调。通过在不同的温度水平下语义遍历双向问题和解决方案树，我们实现了解决方案编辑距离的高度多样性，同时在语义上仍然接近原始问题语句。除了找到给定问题的各种解决方案外，这种方法还可以用于细化和澄清原始问题陈述。作为对该方法的进一步验证，我们实现了一个概念验证Slack机器人作为创新助理。

1 引言

2 相关工作