AUGMENTING LOGICAL REASONING CAPABILITIES WITH LARGE LANGUAGE MODELS

本文是LLM系列文章，针对《FROM INDETERMINACY TO DETERMINACY: AUGMENTING LOGICAL REASONING CAPABILITIES WITH LARGE LANGUAGE MODELS》的翻译。

摘要

大型语言模型（LLM）的最新进展彻底改变了推理任务的格局。为了增强LLM模拟人类推理的能力，许多先前的工作都集中在使用特定的思维结构（如链、树或图）对中间推理步骤进行建模。然而，基于LLM的推理在三个关键方面仍然面临挑战：1）为各种任务选择合适的推理结构；2） 充分有效地利用已知的条件来推断新的见解；3） 考虑历史推理经验对未来推理步骤的影响。为了应对这些挑战，我们提出了DetermLR，这是一种新的推理框架，它将推理过程表述为从不确定前提到确定前提的转换过程。这一过程的特点是确定性前提的逐渐积累，使结论越来越清晰。DetermLR包括三个基本组成部分：1）前提识别：我们系统地将前提分为