通过新框架思维图提升大语言模型的逻辑推理能力
机器学习
2023-08-21 v1 人工智能
计算与语言
摘要
近期大规模模型（如 GPT-4）的进展已展示出处理标准查询的卓越能力。然而，当面对需要多步逻辑推理的复杂问题时，其准确率急剧下降。当前研究已探索提示工程（prompting engineering）领域以增强这些模型的推理能力。我们的论文揭示了一种开创性的提示技术，称为思维图（Graph of Thoughts, GoT）。通过在三个递进难度挑战上的测试：24 点游戏、高次多项式方程求解以及递归序列公式推导，我们的方法优于 GPT-4，在各项任务上分别实现了 89.7%、86% 和 56% 的准确率提升。此外，与最先进的（SOTA）提示方法思维树（Tree of Thought, ToT）相比，我们的方法在平均准确率上分别提升了 23%、24% 和 15%。
引用
@article{arxiv.2308.08614,
title = {Boosting Logical Reasoning in Large Language Models through a New Framework: The Graph of Thought},
author = {Bin Lei and pei-Hung Lin and Chunhua Liao and Caiwen Ding},
journal= {arXiv preprint arXiv:2308.08614},
year = {2023}
}