Core Concepts
深い問題理解が複雑な推論課題を解決するための鍵となる
Abstract
本論文では、大規模言語モデル(LLM)の推論能力を向上させるための新しい手法「DUP prompting」を提案している。DUP promptingは以下の3つのステージから構成される:
LLMを使って入力から核心的な質問を抽出する
核心的な質問を解くために必要な問題解決情報を抽出する
核心的な質問と問題解決情報を組み合わせてLLMに回答を生成させ、最終的な答えを抽出する
この手法は、LLMが問題全体を深く理解することを目的としている。実験の結果、DUP promptingは従来の手法と比べて、算術推論、常識推論、記号推論のベンチマークで大幅な性能向上を示した。特に、GSM8Kでは97.1%、SVAMPでは94.2%の精度を達成し、最先端の性能を示した。
Stats
10セットのテーブルがあり、1セットに6つの椅子がある
11人が椅子に座っている
合計60の椅子がある
11人が座っているので、49の椅子が空いている
Quotes
"深い問題理解が複雑な推論課題を解決するための鍵となる"
"DUP promptingは従来の手法と比べて、算術推論、常識推論、記号推論のベンチマークで大幅な性能向上を示した"