这篇博客记录了2023年3月17日的组会讨论，主要关注ChatGPT相关技术，特别是思维链（CoT）在大语言模型（LLMs）中的应用。通过《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》等论文，探讨了从语言模型到思维链的发展，包括Prompting、In-context learning、N-shot learning（Zero/One/Few-shot）、CoT及其变种Zero-shot-CoT和Self-consistency CoT。研究表明，通过思维链，大语言模型能够展现出类似人类的推理能力，具有巨大的潜力。
《论文阅读》ChatGPT相关技术之思维链（CoT in LLMs）
2023-3-17组会记录
ChatGPT相关技术之思维链（CoT in LLMs）
前言
本周分享的三篇论文为：
《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》
- 提出思维链方法
《Large Language Models are Zero-Shot Reasoners》
- 思维链融合零样本
《Self-consistency improves chain of thought reasoning in language models》
- 改变解码策略
语言模型到思维链的提出
近些年来，语言模型规模不断变大，其内部暗藏的神秘力量逐渐被人们发掘出来，并且模型的能力随着参数量的级别（M->B）上升拥有了一定的泛化能力。举个例子来说，当直接给模型输入
订阅专栏 解锁全文
扫一扫
468
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
