面向通用任务的基于模板的推理 (TORSO)
人工智能
2025-09-16 v3
摘要
引导大型语言模型 (LLMs) 在响应生成期间模拟人类推理的方法已被证明是有效的，可使其以分步骤方式解决复杂问题，从而实现卓越的性能。然而，大多数现有方法使用 few-shot 提示生成响应，严重依赖提供的示例，从而限制了模型固有推理能力的利用。此外，构建任务特定的 few-shot 提示往往成本高昂且可能导致不同任务之间存在不一致性。在本工作中，我们引入了基于模板的推理 (Template-Oriented Reasoning, TORSO)，该方法引导模型在无需手动构建 few-shot 示例的情况下利用内部推理能力在各种任务中生成适当的响应。我们的实验结果表明，TORSO 在 diverse LLMs benchmarks 上实现了强大的性能，同时提供了合理的推理依据。
关键词
引用
@article{arxiv.2509.09448,
title = {TORSO: Template-Oriented Reasoning Towards General Tasks},
author = {Minhyuk Kim and Seungyoon Lee and Heuiseok Lim},
journal= {arXiv preprint arXiv:2509.09448},
year = {2025}
}
备注
Accepted to EMNLP 2025 Main Conference