往期回顾
⓷双剑合璧(Few-shot-CoT × Zero-shot-CoT）
彬老师：还是Jason Wei他们，在《Large Challenging BIG-Bench tasks and whether chain-of-thought can solve them》论文中，尝试了一个看似简单却极为有效的组合，即同时使用Few-shot-CoT和Zero-shot-CoT。
弘老师：简单来说，就是既提供详细的思考示例，又在最后加上 Let's think step by step 的提示。
小渣：两种方法优势叠加，效果会更好吧？
弘老师：确实如此。论文中测试了一个时间推理问题："今天，蒂芙尼去海滩了。他们可能在什么时间去的?" 如下图所示。
弘老师：首先，提供一个详细的示例，展示如何分析一个人的一天行程，从早上5点起床到最终得出"下午3点到4点去合适，答案为D"的完整推理。然后，在新问题后加上"Let's think step by step"。
彬老师：这种双重加持下，模型对新问题"今天，汉娜去了足球场。他们可能在什么时间去的?"的回答变得异常清晰：详细分析汉娜一天的时间安排，最终准确推断出"汉娜唯一可以去足球场的时间是下午5点到6点，所以答案是(C)"。
大饼：这些方法在简单问题上效果好，那对于复杂任务呢？
弘老师：研究者们在Big-Bench Hard数据集上进行了测试，这是从Big-Bench中精选的23个极具挑战性的任务。结果令人震惊，传统方法在大多数任务上表现不如人类平均水平，但使用CoT后，模型在大部分任务上不仅大幅提升，超越了人类平均表现！
小渣：看似简单的调整，效果居然这么好？
彬老师：更有趣的是，研究发现CoT能力与模型规模密切相关——随着模型参数增加，使用CoT的性能提升幅度远大于不使用CoT的情况，呈现出典型的能力"涌现"特征。
大饼：听起来，有些不可思议！
弘老师：是的，这一系列研究确实改变了我们对模型能力的理解。不过，这些方法本质上都属于提示工程，不改变模型本身。接下来我们要把研究目标转向改变模型本身的领域了，一起看看第四篇论文。
未完待续...
公众号：收获不止数据库
微信：ljbyxl1213
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/9091385/viewspace-3079656/ ，如需转载，请注明出处，否则将追究法律责任。
最新文章
- 2030年，两个智能体的深夜回忆：幸亏那年，人类重构了数据库
- 万物一理：从人体进化到IT架构的取舍之道——写在2026中国系统架构师大会之前
- 达梦9发布会归来：AI 时代，我们需要一款什么样的数据库？
- 当AI强到连“造物主”都感到恐惧，我们该怎么办？
- 当AI反噬宏观经济：一场关于个体自救与中国制度托底的万字推演
- 原来“先吃菜”和“后建索引”是同一个逻辑？揭秘那些万物相通的“执行顺序”
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（下）
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（中）
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（上）
- 技术人生——第13集：溯本清源，手起刀落
