Reasoning with Language Model Prompting: A Survey

最新推荐文章于 2025-05-10 22:50:00 发布
最新推荐文章于 2025-05-10 22:50:00 发布
阅读量1k 收藏 1
点赞数
分类专栏： Survey Paper 文章标签： 语言模型 人工智能 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c_cpp_csharp/article/details/133879285
版权
Survey Paper 同时被 2 个专栏收录
260 篇文章 ¥99.90 ¥299.90
订阅专栏 超级会员免费看
LLM 日更
828 篇文章

已下架不支持订阅

本文综述了语言模型提示推理的最新研究，探讨其在复杂问题解决中的应用，如医疗诊断。文章比较不同方法，提供学习资源，并展望未来研究趋势。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文是LLM系列的文章，针对《Reasoning with Language Model Prompting: A Survey》的翻译。

语言模型提示推理：综述

摘要

推理作为解决复杂问题的基本能力，可以为各种现实应用提供后端支持，如医疗诊断、协商等。本文对语言模型提示推理的前沿研究进行了综述。我们以比较和总结的方式介绍研究工作，并提供系统的资源帮助初学者。我们还讨论了这种推理能力出现的潜在原因，并强调了未来的研究方向。

1 引言

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Augmented Language Models: a Survey翻译
nopSled
03-27 626
这篇综述回顾了通过推理技巧和使用工具对语言模型（LM）的能力进行增强的工作。前者被定义为将潜在复杂的任务分解为更简单的子任务，而后者则定义为调用外部模块，例如代码解释器。LM可以分别利用这些增强技术，或通过启发式方法结合使用，或者从演示样例中学习这样做。尽管同样遵守标准的缺失字符预测目标，但这种增强的LM可以使用各种非参数的外部模块来扩展其上下文处理能力，从而脱离了纯语言建模范式。因此，我们将它们称为增强语言模型（ALM）。缺失字符预测目标使ALM能够学习推理、使用工具甚至行动，同时仍执行标准的自然语言任务
语言模型采用提示进行推理的方法综述
yorkhunter的博客
05-21 1346
介绍23年ACL（Association for Computational Linguistics）年会来自浙江大学、阿里巴巴和新加坡国立大学的论文“Reasoning with Language Model Prompting: A Survey”。
【NLP笔记】大模型prompt推理（提问）技巧
weixin_36488653的博客
03-28 3328
LLM推理技巧
技术动态 | 基于GPT-4的知识图谱构建能力评测
开放知识图谱
04-01 4054
一、摘要知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的大规模语义网络，是大数据时代知识表示的重要方式之一。而大型语言模型，如OpenAI发布的GPT-4 ，通过在大量文本等数据上进行预训练，展示出了极其强大的通识知识和问题解决能力[1][2][3][4]。知识图谱可以为大型语言模型提供精准的结构化的知识，助力和改善模型的推理效果和生成质量，并提供对知识的精准操作和分析能力。目前，诸多...
分析一下这篇文献Reasoning with Language Model Prompting: A Survey
05-25
这篇文献 "Reasoning with Language Model Prompting: A Survey" 是一篇综述性的论文，主要介绍了近年来在 NLP 领域中，利用语言模型提示（Language Model Prompting）进行推理的技术和方法。该文献的主要贡献在于...
【文献精读笔记】Explainability for Large Language Models: A Survey （大语言模型的可解释性综述）（四）
weixin_54607024的博客
01-01 1274
发现在保持或提高T5-XL模型在保留数据集上的性能的同时，可以移除60%。此外，一些研究还深入研究了LLMs生成的。
A Survey for In-context Learning
m0_37531129的博客
08-14 950
（1）最近的研究探索了自然语言之外的语境学习，取得了有希望的结果。正确格式化的数据（例如，用于视觉语言任务的交错图像-文本数据集）和架构设计是激活上下文学习潜力的关键因素。在更复杂的结构空间（如图形数据）中探索它是具有挑战性和前景的（Huang et al.，2023a）。（2） 语境中的文本学习示范设计和选择的发现不能简单地转移到其他模式。需要进行特定领域的调查，以充分利用各种模式的情境学习的潜力。
大模型论文周报｜来自谷歌、DeepMind、斯坦福、新加坡国立大学、腾讯等机构前沿论文研究...
AITIME_HY的博客
01-10 1063
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！大模型又可以称为Foundation Model模型，模型通过亿级的语料或者图像进行知识抽取，学习进而生产了亿级参数的大模型。大模型的出现迎来了AI研究的新时代，其所带来的结果提升十分显著，超越了很多领域中针对研究问题设计特定算法实现的提升。本周精选了10篇大模型领域的优秀论文，分别来自谷歌、DeepMind、斯坦福、新加坡国立大学、腾讯等...
大模型推理最新论文及源码合集，涵盖多模态推理、逻辑推理、数学推理
学姐带你玩AI的博客
11-01 927
大模型推理技术的发展帮我们解决了许多的难题，但如今的大模型在复杂推理上的表现仍然欠佳，为了突破这一瓶颈，研究者们提出了许多创新性的方法。我整理了其中一部分个人认为很值得学习的论文来和大家分享，涵盖多模态推理、逻辑推理、数学推理三个细分方向，帮助同学们快速了解这一领域的最新研究进展。目前共有14篇，篇幅原因只做简单介绍，需要论文及源代码的同学看文末。
MIT、北大、浙大、港大的四位讲者分享大模型前沿研究，畅聊ChatGPT
AITIME_HY的博客
03-30 2491
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！2023年3月9日，AI TIME 大模型系列活动推出首期专场活动。本次活动邀请到了香港大学一年级博士生谢天宝、北京大学计算机学院四年级博士生张之远、浙江大学一年级硕士乔硕斐、麻省理工学院一年级博士生肖光烜。四位嘉宾分享了他们在大模型方面的前沿研究。在panel环节，讨论了ChatGPT、AIGC等当下热点话题，为观众带来了一场精彩的大模型...
超火prompt相关论文合集（含最新）
学姐带你玩AI的博客
05-08 1126
都知道ChatGPT的神奇，但在prompt能力一般的人手中，它并不能发挥出最大的实力。因此，针对prompt的研究又成为了热门...既然都是热门了，咱们科研er第一反应是啥？自然是发！论！文！目前我已经整理了一部分prompt相关论文，都有而且都下载好了，感兴趣的同学速度来领，免费~领取方式看文末。
基于对应点分类的对象识别 报错
qq_25194681的博客
05-07 580
【代码】基于对应点分类的对象识别 报错。
Python数据分析案例74——基于内容的深度学习推荐系统（电影推荐）
weixin_46277779的博客
05-10 420
电影数据集构建推荐系统，结合内容推荐和深度学习两种方法。预处理、探索性分析，加权平均法和余弦相似度进行基于内容的推荐，计算电影的相似度并生成推荐结果。并且使用深度学习模型，构建评分预测和检索任务，用户个性化推荐和评分预测。
Qwen3 混合思维模版解读
qq128252的博客
05-07 936
在人工智能迅速发展的今天，大型语言模型（Large Language Models，简称LLM）正逐渐成为各类应用的核心组件。其中，对话模板（Chat Template）作为连接用户与模型的关键桥梁，对确保高质量的交互体验至关重要。本文将深入解析Qwen3使用的对话模板，揭示其如何优雅地处理多轮对话、工具调用等复杂场景。
《Python星球日记》 第51天：神经网络基础
Code_流苏：在代码中寻诗意
05-10 546
神经网络是什么？简单来说，它是一种模仿人类大脑结构和工作方式的算法模型，能够从大量数据中学习复杂的模式。无论是语音识别、图像分类还是自然语言处理，神经网络都展现出了强大的能力。让我们一起踏上这段奇妙的旅程吧！
YOLO目标检测算法评估标准
jdjhcn的博客
05-10 364
不同类型的模型，评估指标各有侧重。分类模型中，准确率反映预测正确的整体比例；精确率关注预测正例中实际正例的占比；召回率衡量实际正例被正确预测的程度；F1 值综合精确率与召回率，适合样本不均衡场景。回归模型里，均方误差计算预测值与真实值误差平方的均值，能体现平均差异；平均绝对误差以误差绝对值平均，对异常值敏感度低；聚类模型中，轮廓系数综合凝聚度和分离度，值近 1 代表聚类佳。那么我们今天学习的YOLO目标检测模型使用什么指标评估模型的效果。
AI日报 · 2025年5月10日｜OpenAI“Stargate”超级数据中心项目掀起美国各州争夺战
最新发布
He_r_o的博客
05-10 349
OpenAI 与 Oracle、SoftBank 合作推进的“Stargate”项目（首期投资 1000 亿美元，四年内总投资 5000 亿美元）已收到超过 250 份选址提案，20 余州政府、经济发展机构与土地所有者主动递交用地及税收优惠方案，以期承接巨型 AI 数据中心并获得长期电力与就业红利。
深度解析语义分割评估指标：从基础到创新实践
Loving_enjoy的博客
05-08 266
现象 | 可能原因 | 解决方案 || 场景描述 | mIoU | BW-IoU | TC-Score || 边界模糊（医疗CT） | 0.72 | **0.81** | 0.68 || 小目标密集（卫星图） | 0.58 | **0.66** | 0.61 || 快速运动（自动驾驶） | 0.65 | 0.63 | **0.79** |
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值