利用自适应门控的语义探索以高效解决语言模型的问题
📝
内容提要
本研究针对现有大语言模型在多步骤推理中面临的计算低效和冗余问题提出了自适应门控的语义探索（SEAG）方法。SEAG通过自适应门控机制根据简单推理方法的答案信心动态决定是否进行树搜索，从而减少了冗余探索并保持了准确性。实验表明，相较于现有基于树搜索的方法，SEAG在复杂推理基准上平均提高了4.3%的准确率，并将计算成本降低至31%。
🏷️
