在Ruby中构建一个微型语言模型（LLM）：逐步指南 - V3 "将推理整合到微型LLM中"

引入推理过程可以生成“思维链”，帮助模型更有效地解决复杂任务。

通过生成中间步骤，模型能够将复杂任务分解为更小的步骤。

扩展马尔可夫链类，增加了生成推理和最终输出的方法。

推理生成分为两个阶段：推理生成阶段和最终输出生成阶段。

推理生成阶段选择种子并运行循环生成中间推理步骤。

最终输出生成阶段使用推理阶段的最后一个关键生成最终文本。

该方法的局限性在于其简单性，无法与神经网络模型的多步骤推理相提并论。

可以通过训练专门的推理文本语料库和反馈循环来增强模型。

尽管存在局限性，该方法展示了如何将推理层集成到语言模型中。