超越偏见的推理：关于反事实提示和思维链推理的研究

本研究探讨了语言模型训练数据中的偏见对选择答案偏好的影响，特别是在大规模多任务语言理解（MMLU）任务中的体现。我们提出的两种新方法——反事实提示结合思维链（CoT）和反事实提示结合无偏激活的思维链（APriCoT），有效减少了基准概率的影响，并显著提高了模型的整体准确性，推动了更公平强大的语言模型的发展。