本文探讨了如何利用Chain-of-ThoughtPrompting、TreeofThoughts等技术引导大型语言模型进行深入的推理，包括知识蒸馏和协同解决问题的方法（如ReAct和ART），以及增强模型执行复杂指令的能力（如WizardLM）。这些研究展示了在人工智能中提升语言模型思考和解决问题能力的新进展。
任务规划与分解
1、Chain-of-Thought Prompting Elicits Reasoning in Large Language Models https://arxiv.org/abs/2201.11903
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2、Tree of Thoughts: Deliberate Problem Solving with Large Language Models https://arxiv.org/abs/2305.10601
3、Implicit Chain of Thought Reasoning via Knowledge Distillation https://arxiv.org/abs/2311.01460
4、ReAct: Synergizing Reasoning and Acting in Language Models
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
