探索搜索与自反馈在智能体推理中的应用

近期研究表明，在推理过程中引入搜索显著�提升语言智能体的推理能力。一些方法可能利用真实答案或依赖模型自身生成的反馈。该搜索算法利用这些反馈生成值，以更新其探索和开发各种推理路径的准则。在本研究中，我们探讨如何利用搜索与模型自身反馈来解决推理任务。首先，我们探讨在数学推理中，真实反馈与自反馈之间的差异。其次，我们观察将搜索技术应用于工具调用等更复杂任务时的局限性，并针对这些差距开发了特定领域的方法。我们的实验揭示了仅依赖自反馈进行搜索时普遍性挑战。为了使搜索有效工作，需么获取真实答案，么需为特定任务仔细设计反馈机制。