机构名称：
¥ 1.0
由于大型语言模型（LLMS）通过不同的提示方法（例如思想链，思想计划）显示出有效性，因此我们发现这些方法在数学原因任务上彼此形成了极大的互补性。在这项工作中，我们提出了XOT，这是一个通过不同的推理思想提示LLM来解决问题的解决框架。对于每个问题，XOT始终从选择最合适的方法开始，然后迭代执行每种方法。在每次迭代中，XOT都会积极检查一般答案的有效性，并结合了外部执行者的反馈，从而使其能够在不同的提示中的不同提示之间进行动态切换。通过对10个流行数学推理数据集的大量实验，我们证明了我们提出的方法的有效性，并彻底分析了每个模型的优势。此外，经验结果表明，我们的框架与最近的工作是正交的，该工作改善了单个推理方法，并且可以进一步推广到逻辑推理领域。通过允许切换方法，XOT为统一框架中各种推理思想的协作整合提供了新的视角。
计划，验证和切换：与多样的X的集成推理
主要关键词
相关文件推荐
