FINEREASON：通过反思性难题解决评估和改善大型语言模型的深思熟虑推理能力

本研究针对当前大型语言模型在复杂推理任务中的不足，提出了FINEREASON逻辑难题基准，旨在细致评估模型的推理能力。通过引入状态检查和状态转移两个任务，本论文有效衡量模型在推理过程中的反思与纠正能力，最终显示出经过训练的模型在数学推理任务上的性能提升可达5.1%。