本研究提出了一种新方法，通过引导大型语言模型不依赖先验知识，显著提高其在确定性任务中的准确性，并利用可解释性技术调整神经网络中的先验影响。

本研究探讨大型语言模型的归纳推理机制，发现模型的先验影响大于示例展示。评估三种推理策略在五个任务中的效果，结果显示去除示例时假设质量损失较小，突显了模型先验的潜力。