深思专家的混合（MoTE）：思维链和专家混合在自我对齐中的协同作用
原文中文，约500字，阅读约需1分钟。发表于：。使用 Chain of Thought（CoT）方法，并结合 Mixture of insighTful Experts（MoTE）体系结构，提出了一种新颖的自我对齐方法，以改善大语言模型和人类价值之间的对齐问题，显著提高对齐效率。
研究者通过引入CoTGenius框架和创建广泛的CoT数据集，提高了Chain-of-Thought（CoT）提示的质量和一致性。他们通过微调Llama 2-Chat 7B和13B模型，创建了ChainLM模型，以增强大型语言模型（LLMs）的推理能力。此外，他们还提出了步骤级辩论方法来解决累积误差问题。实验证明，ChainLM模型在复杂推理问题上表现更好。
