本研究では、Problem Elaboration Prompting (PEP)と呼ばれる新しい手法を提案している。PEPは、大規模言語モデル(LLM)の数学的推論能力を高めるために、問題の文脈を明確化し、理解を深めることに焦点を当てている。
具体的には以下の通り:
セグメント1: 問題の記述を分解し、各セグメントを言い換えて明確化する。これにより、LLMが問題の条件や要求を十分に理解できるようにする。
セグメント2: 問題に含まれる数値情報や関係性を抽出する。これにより、LLMが問題の数理的側面を適切に捉えられるようにする。
セグメント3: 問題の核心となる概念や主要な論点を要約する。これにより、LLMが問題の本質を的確に理解できるようにする。
実験の結果、PEPはさまざまな数学的推論タスクにおいて、従来手法に比べて優れた性能を示すことが確認された。特に、問題文に不要な情報が含まれる場合(ディストラクション問題)においても、PEPは優れた対処能力を発揮した。
このように、PEPは問題の文脈を明確化することで、LLMの数学的推論能力を効果的に高められることが示された。この手法は、他の問題関連のプロンプティング手法とも容易に統合できるという利点もある。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Haoran Liao,... at arxiv.org 03-28-2024
https://arxiv.org/pdf/2402.15764.pdfDeeper Inquiries