增强大型语言模型在推理时的推理准确性

大型语言模型虽具备强大语言能力，但在无需额外训练的多步推理任务中表现不可靠。本文系统评估了三种推理时策略：基于随机解码的自一致性、双模型推理一致性验证及自我反思。实验结合思维链提示，在相同设置下进行对比。结果显示，受控温度下的核采样自一致性方法效果显著，准确率提升 9% 至 15%；双模型方法适用于中等风险场景；而自我反思对小型非推理模型改进有限。