reasoning performance | BriefGPT

关键词reasoning performance

搜索结果 - 13

LongIns: 一个对 LLMs 具有挑战性的基于长文本上下文的考试
利用 LongIns benchmark dataset 在长背景下评估大型语言模型的推理性能及上下文窗口长度对其表现的影响。
PDF7 days ago
基于视图的 Hopfield 解释的思维链推理
通过分析在不同设置下的 CoT 方法，从 Hopfieldian 视角提出了 Read-and-Control 方法，通过广泛实验验证了该框架对于理解 CoT、识别推理错误和控制正确推理路径的能力。
PDF14 days ago
COLING推理的聚合：一个增强大型语言模型中答案选择的层次框架
最近在 “思维链路提示” 方面取得的进展为大型语言模型在复杂推理任务中带来了重大突破。然而，当前的研究通过对答案频率进行多个推理链路的抽样和集成来增强 LLMs 的推理性能，但这种方法在正确答案占少数的情况下会失败。为了解决这个局限性，我们
PDFa month ago
信息重组改善大型语言模型推理能力
提出了一种信息重新组织（InfoRE）方法，通过在推理之前对上下文内容进行重新组织处理，从而增强了大型语言模型（LLMs）的推理能力。在各种上下文感知的多跳推理任务中，通过零射击设置，我们实验评估了该方法在 Llama2-70B、GPT-3
PDF2 months ago
COLINGRankPrompt: 逐步对比使语言模型成为更好的推理者
通过使用 RankPrompt 方法，LLMs 可以自我评级其回答，从而显著提高 ChatGPT 和 GPT-4 的推理表现。
PDF3 months ago
有意义的学习：通过通用事实指导提升大型语言模型的抽象推理能力
我们设计了一个初步的研究，以量化和深入探讨现有大型语言模型的抽象推理能力。我们的结果显示，我们的方法不仅提高了大型语言模型的一般推理性能，而且在抽象推理能力方面取得了可观的进展，从简单的记忆或模仿转向了更加精细的对通用事实的理解和应用。
PDF4 months ago
学习降维：在大型语言模型中使用结构化数据的最佳表示
使用 On-Policy 强化学习，我们提出了一个学习缩减的模型，旨在改进固定的大型语言模型的推理性能，在选择相关证据和处理长文本语境方面取得了良好的结果。
PDF4 months ago
相同任务，更多令牌：输入长度对大型语言模型推理性能的影响
本研究探讨了扩展输入长度对大型语言模型 (LLMs) 能力的影响。通过引入一种新型问答推理框架，重点评估输入长度对性能的影响。结果显示，在远低于技术最大值的输入长度时，LLMs 的推理性能显著下降，而且这种降级趋势在数据集的每个版本中都存在
PDF4 months ago
通过混合思维提炼，提高小型语言模型的数学推理能力
通过将大型语言模型的数学推理能力压缩到亿级参数的小型语言模型中，不影响性能，以实现先进的大型语言模型民主化。我们提出了 EoTD（Equation-of-Thought Distillation）技术，将推理过程封装到基于方程的表示中，构建
PDF5 months ago
思绪之线揭示混沌环境
通过结合人类认知过程，我们引入了一种名为 “思考线索” 的策略，有效地分析混乱语境并选择相关信息，与各种大型语言模型和提示技术相无缝集成，从而显著提高了推理性能。
PDF8 months ago
元推理：针对大型语言模型的语义符号解构
本文提出了元推理（Meta-Reasoning）的概念，通过符号解构，最大限度地将某些推理任务的不同问题转化为类似的自然语言表达式，从而使得大语言模型 (LLMs) 能够通过类比学习和促进数据有效的上下文学习，从而显著地提高推理能力，GPT
PDFa year ago
符号表示对于背景下少样本推理学习的影响
本研究的主要目标是使用预先训练的语言模型来进行推理，特别是在推理时使用解释以增强上下文学习。作者将神经符号方法重新引入到这个任务中，并将语言模型作为逻辑程序员，以在知识库中迭代推理。实验结果表明，相对于上下文学习策略， LMLP 在演绎和长
PDF2 years ago
CVPRREX：基于推理和实证的解释
本文旨在提高可信的 AI 系统的有效性和可解释性，定义一个新类型的多模态解释来解释决策，并提出一种新的解释生成方法，可以显式地模拟词语和感兴趣的区域之间的配对关系，同时开发了一个包含 1040830 个多模态解释的新数据集以及进行了广泛的分
PDF2 years ago