通过不确定性引导策略选择提升零样态链式思考提示
计算与语言
2024-12-09 v2 人工智能
摘要
链式思考（Chain-of-Thought，CoT）提示通过结构化其推理过程显著提升了大型语言模型（LLM）的能力。然而，现有方法面临关键局限性：手工设计的演示需要大量的人类专长，而触发词容易出现误差。本文提出了基于不确定性的零样态选择方法（Zero-shot Uncertainty-based Selection，ZEUS），这是一种新颖的方法，通过利用不确定性估计来选择有效的演示，而无需访问模型参数。不同于传统方法，ZEUS在区分有帮助和无帮助的问题方面具有高度灵敏度，确保更精确可靠的选择。我们的广泛评估显示，ZEUS在四个具有挑战性的推理基准测试中 consistently 超越现有CoT策略，显示出其鲁棒性和可扩展性。
引用
@article{arxiv.2412.00353,
title = {Enhancing Zero-shot Chain of Thought Prompting via Uncertainty-Guided Strategy Selection},
author = {Shanu Kumar and Saish Mendke and Karody Lubna Abdul Rahman and Santosh Kurasa and Parag Agrawal and Sandipan Dandapat},
journal= {arXiv preprint arXiv:2412.00353},
year = {2024}
}
备注
Accepted in COLING 2025