BriefGPT - AI 论文速递 · 2025-04-29T00:00:00Z Grokking in the Wild: Data Augmentation for Real-World Multi-Hop Reasoning 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本文探讨了变换器在多步骤事实推理中的不足，并提出通过合成数据增强知识图谱以解决数据稀缺问题。研究表明，即使是错误的合成数据也能提升模型的推理能力，最终在多跳推理基准上实现95-100%的准确率，显著超越现有基线。 🏷️ 标签 变换器 合成数据 多步骤推理 数据稀缺 知识图谱 阅读原文 生成长图 分享链接 已复制链接
