本研究探讨大型语言模型（LLM）在复杂推理中的表现，强调推理结构的重要性。研究发现，长链推理的结构对学习至关重要，而单个推理步骤的内容影响较小，为未来模型训练提供指导。

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。