通过思维树实现跨语言多步推理赋能

推理方法以著名的思维链（Chain-of-Thought, CoT）为代表，通过引导大语言模型（Large Language Models, LLMs）以逐步方式解决复杂任务，从而增强其推理能力。尽管取得了显著成功，但由于预训练数据分布的不平衡，提供多步推理的能力仍局限于英语，这使得其他语言成为障碍。在本文中，我们提出跨语言思维树（Cross-lingual Tree-of-Thoughts, Cross-ToT），一种用于对齐跨语言 CoT 推理的方法。所提出的方法通过受思维树方法启发的自洽跨语言提示机制，在不同语言中提供多步推理路径，这些路径在每一步中导向最终解。实验评估表明，我们的方法通过减少交互次数并达到最先进性能，显著优于现有的提示方法。