基于推理图增强的语境学习样本检索

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究提出了一种新的示例选择方法——推理图增强示例检索(RGER),通过图核选择具有语义和结构相似性的示例,显著提高了大语言模型的性能。

🎯

关键要点

  • 本研究提出了一种新的示例选择方法——推理图增强示例检索(RGER)。
  • 现有示例选择方法主要集中于查询与候选示例之间的语义相似性。
  • RGER通过将问题解决的中间步骤表示为图结构,利用图核选择具有语义和结构相似性的示例。
  • RGER在数学和逻辑推理任务中显示了其优越性。
  • RGER显著提高了大语言模型的性能。
➡️

继续阅读