基于知识驱动的协同训练：探索 LLMs 中的忠实推理与知识密集型问答
原文中文，约200字，阅读约需1分钟。发表于：。通过与外部知识的交互，我们提出了一个名为知识驱动的思路连贯（KD-CoT）的框架，以验证和修改语言模型的推理过程，以缓解幻觉和错误传播，尤其在回答知识密集型任务时。
该研究提出了一种多模态 - CoT 框架，将语言和视觉信息结合，提高了答案推断的准确性。在 ScienceQA 基准测试中，该框架的性能超过了人类表现，准确度达到了91.68％，比先前最先进的 LLM（GPT-3.5）高出16个百分点。
