摘要
随着大型语言模型在复杂推理任务中表现日益精进，表征涌现的推理能力对可解释性与安全至关重要。本文利用遗传帕累托（GEPA）变体系统优化科学推理提示，分析提示如何调节推理行为。研究发现，推理能力的提升往往对应于无法跨系统泛化的模型特定启发式“局部”逻辑。文章主张将提示优化作为模型可解释性工具，映射 LLM 偏好的推理结构是与超人类智能协作的前提。
AI 推荐理由
论文核心研究科学推理任务中的启发式机制、逻辑结构及提示优化对推理行为的影响。
研究机构
University of Washington
Carnegie Mellon University
论文信息