Mar, 2024

MasonTigers 参加 SemEval-2024 任务 9: 用思维链集合解决谜题

TL;DR我们的研究采用大型语言模型 (LLMs) 和几种提示技术解决自然语言理解测试中提供的谜题数据集。通过零瞄和少瞄提示,相较于开源模型,我们的专有模型表现出合理的结果。通过分步提示的迭代提示方法,我们进一步改进了结果。通过使用一系列分步提示,我们在字谜题子任务中获得第二名,在句子谜题子任务中获得第 13 名。提示型大型语言模型表现出较强的性能,证明了当提供思维过程分解时,它们具备处理复杂推理的能力。我们的工作揭示了分步解释性提示如何释放大型模型参数中更多的知识。