摘要
人类解决问题时并非依赖单一的认知模式,而是整合多种模式完成任务。然而现有LLM推理方法通常采用固定模式,限制了模型性能。本文提出Chain of Mindset(CoM)框架,一种无需训练的智能体框架,支持在推理步骤中自适应地切换四种功能异构的认知模式:空间、收敛、发散和算法。通过Meta-Agent动态选择最优模式,并利用双向上下文门控机制过滤跨模块信息流,以保持效率和效果。实验表明,CoM在多个基准测试中表现优异,显著优于现有基线模型。
AI 推荐理由
论文提出基于不同认知模式的推理框架,涉及动态选择和信息流控制,与Agent Memory相关。
论文信息