NeurIPS 2024 (Oral) | 如何量化與提升思維鏈的推理能力邊界？

AIGC動態(tài)歡迎閱讀

原標(biāo)題：NeurIPS 2024 (Oral) | 如何量化與提升思維鏈的推理能力邊界？
關(guān)鍵字：邊界,模型,任務(wù),能力,研究者
文章來源：機器之心
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

AIxiv專欄是機器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本篇工作已被 NeurIPS（Conference on Neural Information Processing Systems）2024 會議接收，并被評為 Oral Presentation (72/4553) 。該文章的第一作者陳麒光，目前就讀于哈工大賽爾實驗室。他的主要研究方向包括大模型思維鏈、跨語言大模型等。
該研究主要提出了推理邊界框架（Reasoning Boundary Framework, RBF），首次嘗試量化并優(yōu)化思維鏈推理能力。論文鏈接：https://arxiv.org/abs/2410.05695
代碼地址：https://github.com/LightChen233/reasoning-boundary
1. 大型語言模型（

原文鏈接：NeurIPS 2024 (Oral) | 如何量化與提升思維鏈的推理能力邊界？