大语言模型中的跨问题方法复用：从词级预测到理性逻辑层推理
计算与语言
2025-10-17 v2
摘要
大语言模型(LLM)已被广泛应用于辅助寻找多样化问题的解决方案。先前的研究提出将方法表示为问题与对应解的对，从而实现方法复用。然而，现有方法通常要求问题高度相似。在本文中，我们将方法复用的范围扩展到处理相似度低或具有隐藏相似性（无法直接观察）的问题。对于在一般-特殊意义上相似的问题（即范围更广或更窄），我们提出首先分离问题与解，而非直接将问题-解对输入LLM。然后引导LLM将解适配到新的但相关的问题上，使其专注于解迁移而非问题识别。此外，我们将此方法扩展到仅共享部分特征或隐藏特性的问题。这使得跨问题方法复用超越了传统的相似度约束。实验验证表明，我们的范围扩展方法提高了筛选可复用解的概率，从而提升了跨问题方法复用的有效性。
引用
@article{arxiv.2509.05660,
title = {Cross-Question Method Reuse in Large Language Models: From Word-Level Prediction to Rational Logical-Layer Reasoning},
author = {Hong Su},
journal= {arXiv preprint arXiv:2509.05660},
year = {2025}
}