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。
➡️