纽约大学对当前流行的思维链（Chain-of-Thought，CoT）技术提出了挑战，该技术原本认为能够提升大模型的推理能力。纽约大学的研究显示，使用省略号代替具体的推理步骤，模型推理结果并没有显著差异，这意味着增加计算量而非推理步骤本身可能是提升性能的关键。这项研究为AI领域带来了新的视角，提示我们在设计和使用大型语言模型时，需要更深入地理解其工作原理和性能提升的真正来源。
本站文章通过互联网转载或者由本站编辑人员搜集整理发布，如有侵权，请联系本站删除。
纽约大学对当前流行的思维链（Chain-of-Thought，CoT）技术提出了挑战，该技术原本认为能够提升大模型的推理能力。纽约大学的研究显示，使用省略号代替具体的推理步骤，模型推理结果并没有显著差异，这意味着增加计算量而非推理步骤本身可能是提升性能的关键。这项研究为AI领域带来了新的视角，提示我们在设计和使用大型语言模型时，需要更深入地理解其工作原理和性能提升的真正来源。
本站文章通过互联网转载或者由本站编辑人员搜集整理发布，如有侵权，请联系本站删除。