sequential reasoning | BriefGPT

关键词sequential reasoning

搜索结果 - 7

我们能信任 LLMs 吗？通过知识传递减轻 LLMs 中的过度自信偏见
使用知识传递方法，通过链式思维探究缓解 LLMs 中的过度自信偏差以提高其可靠性，实验评估表明知识传递方法在多个指标上优于传统的 Fine-tuning 和 QA 方法，强调了该方法在提升模型可信度和准确性方面的潜力。
PDFa month ago
EconLogicQA：一个用于评估经济时序推理的大语言模型的问答基准测试
EconLogicQA 是一个旨在评估大型语言模型（LLMs）在经济学、商业和供应链管理领域中的顺序推理能力的严格基准。通过衍生自经济文章的多事件场景，EconLogicQA 要求模型区分和排序多个相互关联的事件，捕捉经济逻辑的复杂性。通过
PDF2 months ago
用于融合并行函数调用的 LLM-Tool 编译器
通过选择性融合相似类型的工具操作，我们提出了 LLM-Tool Compiler，在运行时将它们作为统一任务呈现给 LLM，从而加强并行化和效率，与现有方法相比，在大规模 Copilot 平台上，LLM-Tool Compiler 将并行调
PDF2 months ago
AQA-Bench：一个用于评估 LLMs 顺序推理能力的互动基准
该研究介绍了 AQA-Bench，这是一个评估大规模语言模型在算法环境中的顺序推理能力的新型基准。我们的评估基准的关键特点在于其互动评估协议，通过深度优先搜索等算法，每个节点的连接边的可用性取决于模型对该节点的遍历方式，从而需要 LLM 有
PDF5 months ago
安全感知的因果表示法：自主驾驶中可信赖强化学习
自动驾驶中，借助结构化场景信息的安全感知结构化场景表示（FUSION）方法的引入为学习自适应的端到端驾驶策略提供了创新方法。通过构建基于因果关系的奖励、成本、状态和行动空间分解的框架，FUSION 在动态交通环境下进行结构化顺序推理，实现了
PDF8 months ago
AAAI基于回合游戏的推理学习：第一人称射击游戏中购买决策的多任务序列生成
本研究采用多任务学习的方法，通过对轮次属性编码和多任务解码，理解轮次购买决策背后的策略。在 Counter-Strike: Global Offensive 游戏中，我们将每一轮作为一个多任务序列生成问题，将动作编码器、团队编码器、玩家特征
PDF4 years ago
通过抽象学习：神经状态机
本研究介绍了神经状态机（NSM），旨在构建神经和符号人工智能之间的桥梁，并整合它们的互补优势以执行视觉推理任务。该模型通过将视觉和语言模态转换为基于语义概念的表示，实现了显著的透明度和模块化，我们在 VQA-CP 和 GQA 两个最新的 V
PDF5 years ago