点燃语言智能：从思维链推理到语言智能体的漫游者指南
计算与语言
2023-11-21 v1 人工智能
计算机视觉与模式识别
人机交互
多智能体系统
摘要
大语言模型（LLM）已显著增强了语言智能领域，其在一系列复杂推理任务中强劲的实证表现即为明证。此外，理论证明已阐明其涌现的推理能力，在语言语境中引人注目地展示了其高级认知能力。LLM 在处理复杂推理任务中卓著效能的关键在于，其利用了引人入胜的思维链（CoT）推理技术，迫使模型在导出答案的过程中 formulation 中间步骤。CoT 推理方法不仅展现了增强推理性能的造诣，还提升了可解释性、可控性与灵活性。鉴于这些优点，近期研究努力已将 CoT 推理方法延伸以培育自主语言智能体，其能熟练遵循语言指令并在多样环境中执行动作。本综述论文组织了透彻的论述，深入关键研究维度，涵盖：（i）CoT 技术的基础机制，着重阐明其生效的情境与依据；（ii）CoT 的范式转变；以及（iii）由 CoT 方法强化的语言智能体的兴起。前瞻性研究途径涵盖对泛化、效率、定制化、扩展与安全的探索。本文面向广泛读者，包括寻求 CoT 推理与语言智能体综合知识的新手，以及关注基础机制并参与相关前沿讨论的经验研究者。相关论文仓库见 https://github.com/Zoeyyao27/CoT-Igniting-Agent。
引用
@article{arxiv.2311.11797,
title = {Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents},
author = {Zhuosheng Zhang and Yao Yao and Aston Zhang and Xiangru Tang and Xinbei Ma and Zhiwei He and Yiming Wang and Mark Gerstein and Rui Wang and Gongshen Liu and Hai Zhao},
journal= {arXiv preprint arXiv:2311.11797},
year = {2023}
}