基于提示词的蒙特卡洛树搜索用于缓解大模型幻觉现象
人工智能
2025-01-27 v1
摘要
随着人工智能领域大模型的快速发展,如何提升其在处理科研领域复杂问题时的应用能力仍是一个待解决的挑ering。本研究提出了一种基于提示词的改进蒙特卡洛树搜索（MCTS）方法。在仿真搜索阶段,引入动态调整探索参数和自适应选择策略,以更好地平衡探索与开发,从而减少幻觉现象。本文以 SciEval 数据集的四个子集为测试对象,将 Glm-4-flash+改进 MCTS 方法与若干现有模型方法进行比较。结果表明,改进 MCTS 方法性能更佳,为大模型在科研领域的应用提供了新的思路与方法。
引用
@article{arxiv.2501.13942,
title = {Prompt-Based Monte Carlo Tree Search for Mitigating Hallucinations in Large Models},
author = {Zhihua Duan and Jialin Wang},
journal= {arXiv preprint arXiv:2501.13942},
year = {2025}
}