تأیید قیاسی با برنامه های طبیعی: مطالعات موردی

نویسندگان:

(1) ژان لینگ، UC سن دیگو و سهم برابر.

(2) Yunhao Fang، UC San Diego و سهم برابر.

(3) Xuanlin Li، UC San Diego;

(4) Zhiao Huang، UC San Diego;

(5) Mingu Lee، Qualcomm AI Research و Qualcomm AI Research

(6) Roland Memisevic، Qualcomm AI Research.

(7) هائو سو، UC سن دیگو.

چکیده و مقدمه

کار مرتبط

انگیزه و فرمول مسئله

استدلال زنجیره‌ای فکری قابل تأیید قیاسی

آزمایش ها

محدودیت ها

نتیجه گیری، قدردانی و مراجع

یک تأیید قیاسی با مدل‌های Vicuna

B بحث بیشتر در مورد بهبود دقت تأیید قیاسی در مقابل بهبود در مورد درستی پاسخ نهایی

C جزئیات بیشتر در مورد استخراج پاسخ

D درخواست می کند

E بیشتر نمونه های تایید قیاسی

E بیشتر نمونه های تایید قیاسی

در این بخش، نمونه‌های تأیید قیاسی بیشتری را با استفاده از رویکرد مبتنی بر برنامه طبیعی خود در مراحل استدلال منفرد ارائه می‌کنیم.

در برگه 18، ما نشان می‌دهیم که مدل زبان (ChatGPT) نه تنها اطلاعات غیر پایه را با موفقیت شناسایی می‌کند، بلکه خطاهای منطقی را در راه‌حل‌های داده شده نیز شناسایی می‌کند.

در برگه در 19، ما موردی را نشان می‌دهیم که در آن مدل زبان نمی‌تواند اعداد مقدمه غیر پایه را تشخیص دهد، به اشتباه فرض می‌کنیم که این اعداد می‌توانند از اعداد پایه گرفته شوند.

در نهایت، …

Source link