具体化命题提示法解决大语言模型中的组合 - 知识二分法

大语言模型常难以平衡组合性与知识性，这一挑战被定义为“组合 - 知识二分法”。为此，本文提出具体化命题提示（CPP）框架，显式地将与问题相关的命题具体化。结果表明，CPP 显著提升了推理性能，尤其在需要精确知识的医学基准测试中表现优异，同时在侧重演绎推理的数学基准测试中也具备竞争力。实验进一步揭示，CPP 可扩展至多种基础模型及参数规模，作为一种基本范式弥合了基于组合与基于知识方法之间的差距，从而通过提供逻辑有序且事实依据充分的推理基础，解决了该二分法问题。