PSSD：通过人类心理结构使大语言模型实现自我否定
人工智能
2025-02-04 v1 计算与语言
信息检索
摘要
提升大语言模型（LLM）推理结果的准确性引起了社区的广泛兴趣，其中一些开创性研究探索了事后策略以纠正潜在错误。尽管付出了大量努力，这些方法都陷入了资源竞争的状态，需要大量的时间和计算开销。造成这种情况的原因在于未能识别出这类解决方案的根本特征，我们将其称为 LLM 的自我否定。换言之，LLM 应能自信地判断潜在错误的存在，并谨慎地执行有针对性的纠正。由于整个过程在 LLM 内部进行，难以获得支持性和有说服力的参考，并且即使错误被承认，也缺乏针对性的步骤来修正隐藏的错误。为应对这些挑战，我们提出了 PSSD，它借鉴并实现了人类心理结构，即三个不同且相互关联的角色共同促进人类推理。具体而言，PSSD 利用了最近的多智能体范式，并通过三个创新构想的角色得到增强：（1）基于直觉的本我角色，基于良性 LLM 提供初步尝试；（2）规则驱动的超我角色，总结规则以规范上述尝试，并返回具体关键点作为指导；（3）以脚本为中心的自我角色，吸收所有过程信息，为最终答案预测生成可执行脚本。大量实验表明，所提出的设计不仅更好地增强了推理能力，而且能与当前模型无缝集成，从而带来卓越的性能。
引用
@article{arxiv.2502.01344,
title = {PSSD: Making Large Language Models Self-denial via Human Psyche Structure},
author = {Jinzhi Liao and Zenghua Liao and Xiang Zhao},
journal= {arXiv preprint arXiv:2502.01344},
year = {2025}
}
备注
WWW '25