本文介绍了一种基于图的方法，旨在增强大型语言模型（LLMs）的推理能力。通过自验证和推理链的优化，实验表明该方法在多个推理任务中优于现有验证程序，显著提高了模型的准确性和性能。此外，研究探讨了自我验证能力及其在逻辑推理中的应用，提出了新的算法框架以提升神经网络的鲁棒性和训练效率。