作者: Jason Wei, Xuezhi Wang, Dale Schuurmans, Maarten Bosma, Brian Ichter, Fei Xia, Ed Chi, Quoc Le, Denny Zhou
提交/修订日期: 2022年1月28日提交，2023年1月10日最后修订 (v6)
摘要:
本文探讨了如何通过生成思维链（一系列中间推理步骤）来显著提升大语言模型执行复杂推理的能力。具体而言，我们展示了这种推理能力如何通过一种称为思维链提示的简单方法，在足够大的语言模型中自然涌现。该方法在提示中提供少量思维链演示作为范例。在三个大语言模型上的实验表明，思维链提示能提升模型在一系列算术、常识和符号推理任务上的性能。其经验收益可能非常显著。例如，仅用八个思维链范例提示一个5400亿参数的模型，就能在数学应用题基准GSM8K上达到最先进的准确率，甚至超过了带有验证器的微调版GPT-3。
主题/分类:
- 主要学科：计算与语言 (cs.CL)
- 相关学科：人工智能 (cs.AI)