Self-Discovery: Self-Organizing Reasoning Structures in Large Language Models
原文约100字/词，阅读约需1分钟。发表于：。SELF-DISCOVER 是一个通用的框架，使 LLMs 能够自我发现任务内在的推理结构来解决复杂的推理问题，并在 BigBench-Hard、基于代理的推理和数学等具有挑战性的推理基准上，相较于 Chain of Thought (CoT) 的性能提升高达 32%。此外，SELF-DISCOVER 在需要 10-40 倍少得多的推理计算的情况下，超过了...
SELF-DISCOVER是一个通用的框架，用于自我发现任务内在的推理结构，提高推理问题的解决能力。相较于CoT，性能提升高达32%。在推理计算量较少的情况下，超过了CoT-Self-Consistency等推理密集型方法20%以上。自我发现的推理结构在不同模型族之间是普适的。
