研究表明，将推理任务分为问题分解和解决两个阶段能提高大型语言模型（LLMs）的效果。问题分解易于小模型提炼，而解决阶段需要大量领域知识。分解阶段有效推广，但解决能力提炼难度大，导致性能下降。结合小型分解模型与LLMs可实现高效推理。