方法论链：无需训练即可扩展测试时计算
计算与语言
2025-06-10 v1
摘要
大语言模型（LLMs）在复杂推理任务上常常表现不佳，因为其训练数据中缺乏通常在公开文档中不存在的深入见解。本文介绍了方法论链（CoM），这是一种创新且直观的提示框架，通过整合人类方法论见解来增强结构化思维，使大语言模型能够通过扩展推理来解决复杂任务。CoM利用了先进大语言模型的元认知能力，在无需显式微调的情况下，通过用户定义的方法论激活系统化推理。实验表明，CoM超越了竞争性基线，展示了无需训练的提示方法作为复杂推理任务鲁棒解决方案的潜力，并通过类人的方法论见解弥合了与人类水平推理之间的差距。
引用
@article{arxiv.2506.06982,
title = {Chain of Methodologies: Scaling Test Time Computation without Training},
author = {Cong Liu and Jie Wu and Weigang Wu and Xu Chen and Liang Lin and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2506.06982},
year = {2025}
}