摘要
大型语言模型在推导合理的数学对象时,仍可能违反显式要求(如遗漏模运算、返回非整数等)。本文提出“约束优先推理”(CFR),这是一种无需训练的两阶段提示协议:第一阶段提取并总结题目隐含的约束条件;第二阶段在求解过程中,将中间及最终结果与约束摘要进行比对检查。CFR仅在检测到限制性线索时激活,否则使用直接思维链。实验表明,该方法在多个基准上显著提升了直接思维链的性能,是一种针对可恢复约束的目标性测试时干预手段。
AI 推荐理由
论文提出Constraint-First Reasoning协议,通过约束提取与验证机制直接优化LLM在数学问题中的推理过程,属于核心推理研究。
研究机构
清华大学
伊利诺伊大学厄巴纳-香槟分校
论文信息