サインイン
インサイト - 大規模言語モデルにおける数学的推論
大言語モデルを状態遷移推論器に変えるKwai-STaRフレームワーク
Kwai-STaRフレームワークは、状態遷移という新しい視点から数学的推論プロセスをモデル化し、大規模言語モデル（LLM）の数学的能力を大幅に向上させる。
オンラインマルチエージェント学習による大規模言語モデルの数学的推論能力向上：Flow-DPO
本論文では、オンライン学習フローとDPO学習を用いて、大規模言語モデルの数学的推論能力を向上させ、詳細かつ正確な推論過程を生成する新しい手法「Flow-DPO」を提案する。
数学的注釈付き思考の連鎖（CoMAT）：数学的推論を向上させる新しい手法
CoMATは、記号変換と推論実行の2段階プロセスを通じて、大規模言語モデル（LLM）の数学的推論能力を大幅に向上させる新しいフレームワークである。
大規模言語モデルはヒントを活用して数学の問題を解けるのか？：様々なプロンプト手法と敵対的なヒントの影響を検証
大規模言語モデル(LLM)は、数学の問題解決能力を向上させるために、完全な解答例よりも、問題解決の方向性を示唆するヒントを与える方が効果的である。
数学推論を強化するための自然言語とコードの統合: 大規模言語モデルにおける数学的推論の向上
大規模言語モデルは、自然言語、コード、またはその両方の組み合わせを使って数学的推論問題の解決策を生成することができる。自然言語と コードの両方の形式は数学的推論に重要な役割を果たすが、相互作用によっては負の影響を及ぼすこともある。MetaMathは、最適な推論アプローチを動的に選択することで、これらの課題に取り組む。
© 2024 by Linnk AI