Der Artikel befasst sich mit der Entwicklung von effizienteren und effektiveren Prompting-Ansätzen für Große Sprachmodelle (LLMs). Dafür wird zunächst eine allgemeine Pipeline für das Prompting-Verfahren beschrieben und formalisiert. Anschließend wird ein Konzept für "Reasoning-Topologien" eingeführt, das die Repräsentation des Reasoning-Prozesses als Graph ermöglicht.
Es werden verschiedene Klassen von Reasoning-Topologien identifiziert, wie Ketten, Bäume und Graphen, die in aktuellen Prompting-Ansätzen wie Chain-of-Thought, Tree of Thoughts oder Graph of Thoughts verwendet werden. Für jede Topologie-Klasse werden die Aspekte Repräsentation, Ableitung, Ausführungsreihenfolge und Integration in den KI-Verarbeitungspipeline analysiert.
Die Autoren entwickeln so eine allgemeine Blaupause und Taxonomie für strukturbasiertes Reasoning mit LLMs, um zukünftige Fortschritte in diesem Bereich zu erleichtern. Abschließend werden offene Herausforderungen und Forschungsrichtungen diskutiert.
To Another Language
from source content
arxiv.org
Deeper Inquiries