苏格拉底提问的艺术：基于大语言模型的递归思考

思维链（CoT）提示通过生成中间步骤使大语言模型能够解决复杂推理问题。然而，受限于其固有的单遍顺序生成过程，CoT 严重依赖初始决策，导致早期步骤中的错误累积并影响最终答案。相比之下，人类在解决复杂推理问题时采用递归思考，即迭代地将原问题拆解为可处理的子问题，并聚合其子答案以解决原问题。受人类认知过程启发，我们提出 SOCRATIC QUESTIONING，一种模拟递归思考过程的分治式算法。具体而言，SOCRATIC QUESTIONING 利用大语言模型提出并回答子问题，直至收集到足够信息来处理原问题。与 CoT 不同，SOCRATIC QUESTIONING 显式地导航思考空间，激发有效的递归思考，并对思考过程中的错误更具鲁棒性。在包括 MMLU、MATH、LogiQA 和视觉问答在内的若干复杂推理任务上的大量实验表明，相较 CoT、Tree-of-Thought 等最先进提示方法取得了显著性能提升。定性分析清晰显示，SOCRATIC QUESTIONING 引发的中间推理步骤类似于人类解决复杂推理问题的递归思考过程。