本研究综述了大型语言模型在逻辑推理中的不足，分析了推理范式和评估标准，并提出了优化逻辑推理的新方法，为AI系统的发展指明方向。

本文提出了一种新推理范式，将大语言模型的推理过程分为记忆回忆和推理两部分，从而提升模型性能和可解释性，减少错误和知识遗忘。

本文介绍了一种基于多样图思维的类专家级超图的推理范式（HoT），使基础模型具备高阶多跳推理和多模态比较判断的能力。实验结果表明，该方法在ScienceQA基准上优于基于CoT的GPT3.5和chatGPT，与基于CoT的GPT4相当，但模型更小。