再思考提示策略在大型语言模型测试时间扩展中的作用：概率论的视角

本研究聚焦于大型语言模型（LLM）测试时间扩展中，提示策略表现的不足之处，采用标准的多数投票扩展设置进行系统实验。通过理论分析，我们提出了一种基于概率论的方法，快速准确地预测扩展性能，并选择最佳策略，显著提升测试时间扩展表现，推动对复杂提示策略的再审视和简单提示策略潜力的利用。