通过上下文学习提高大型语言模型对常识生成的多样性

原文约300字，阅读约需1分钟。发表于：。

生成常识推理（GCR）需要模型利用常识知识进行推理，同时生成连贯的句子。本论文提出了一种简单的方法来增加大型语言模型（LLMs）生成的多样性，同时保持生成质量。实验结果表明，该方法在生成质量和多样性之间取得了理想的平衡，并且所生成的句子可用于改善现有常识生成器的多样性。

DIV-SE和IDIV-SE方法通过改变输入提示的多样性，在不改变解码过程的前提下，提高了LLM推理的准确性。