DSMentor：利用课程学习和在线知识积累提升数据科学智能体

本研究解决了在推理过程中问题处理顺序对大型语言模型（LLM）智能体性能的影响问题，提出了一种新的推理时间优化框架DSMentor，采用课程学习策略，通过逐渐增加任务难度来提升智能体在复杂数据科学任务中的表现。实验结果表明，DSMentor能够显著提高通过率，并增强因果推理能力，展示了有效知识积累和利用的重要性，旨在促进LLM性能的进一步提升。

本研究提出DSMentor框架，通过优化大型语言模型的推理问题处理顺序和课程学习，显著提升智能体在复杂数据科学任务中的表现、通过率和因果推理能力。

DSMentor 因果推理 大型语言模型 推理 数据科学 智能体
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友