GCTTTTTT的博客

ICML 2025链式推理（CoT）被广泛采用，通过自回归地生成一系列推理步骤来增强大型语言模型（LLM）的推理能力。—>推理过程以逐步解码的令牌序列进行表示，在此过程中可能会出现错误的累积，导致推理路径和答案出现虚假内容—>为了获取用于推理的推理路径，大多数先前研究采用了检索式或Agent式范式，分别见图 2 (a) 和 (b)。然而，检索式方法，而Agent式方法则。为了解决这些问题，图约束推理（GCR）：包含三个主要组成部分：1）：构建知识图谱的以指导大型语言模型推理；2）

分解-推理-验证过程高度依赖于人工构造的思维链（Chain-of-Thought, CoT）提示，大语言模型难以发现其自身生成的答案中的问题。此外，由于大语言模型（LLM）的倾向，构建的验证示例会促使LLM进行自我纠正，从而导致其更容易生成相互矛盾的观点，这妨碍了TableQA中答案的准确验证。但仅依靠少量示例进行直接分解，通常会导致子问题的碎片化， 忽略了关键信息。这导致分解后的子问题与原始问题之间存在显著的语义鸿沟。