BOOSTING OF THOUGHTS: TRIAL-AND-ERROR PROBLEM SOLVING WITH LARGE LANGUAGE MODELS

828 篇文章

已下架不支持订阅

本文介绍Boosting of Thoughts(BoT)框架,利用大型语言模型(LLM)通过迭代探索和自评估解决复杂问题。BoT从简单提示开始,通过错误分析增强推理步骤,提升问题解决能力。实验证明,BoT在复杂数学问题上比其他高级提示方法表现更优。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《BOOSTING OF THOUGHTS: TRIAL-AND-ERROR PROBLEM SOLVING WITH LARGE LANGUAGE MODELS》的翻译。

思维的提升:用大型语言模型解决三错问题

摘要

大型语言模型(LLM)在一系列问题上的推理性能严重依赖于思维链提示,这涉及到在提示中提供一些思维链演示作为示例。最近的工作,如思维树,指出了探索和自我评估在复杂问题解决的推理步骤选择中的重要性。在本文中,我们提出了Boosting of Thoughts(BoT),这是一种用LLM解决问题的自动提示框架,通过迭代探索和自评估许多思维树,以获得一系列试错推理经验,这将成为解决复杂问题的一种新的提示形式。从一个不需要示例的简单提示开始,BoT迭代地探索和评估大量推理步骤,更重要的是,使用从LLM获得的错误分析来明确地修改提示,这反过来增强了推理步骤的生成,直到获得最终答案。我们在广泛的复杂数学问题中使用GPT-4和Llama2进行的实验表明,与其他高级提示方法相比,BoT始终实现更高或相当的问题解决率。

1 引言

2 相关工作

3 BOT

4 实验

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值