思维流网络：从单次预测到模型思维序列

当人类解决复杂问题时，通常会创建一系列想法（包含直觉决策、反思、纠错等）以达成结论性决策。与此相反，当今的模型大多被训练为将输入映射到单一且固定的输出。本文探讨如何赋予模型第二次、第三次及第 $k$ 次思考的机会。受黑格尔辩证法的启发，我们提出思维流的概念，其创建一串预测。我们呈现一种自校正机制，经训练估计模型的正确性，并基于正确性预测的梯度执行迭代预测更新。我们以问答为例引入该方法，并开展大量实验证明（i）我们的方法能够纠正自身预测，以及（ii）其显著提升模型性能的潜力。此外，我们对思维流校正模式进行定性分析，并通过众包研究探索思维流预测如何影响人类用户。我们发现（iii）思维流提升了用户表现，且相比单次及/或 top-3 预测，被感知为更自然、正确和智能。