两篇新研究论文探讨了改进大型语言模型（LLMs）隐式推理的方法。第一篇论文介绍了“递归深度 Transformer”，它通过在相同的 Transformer 层上进行迭代计算来增强组合泛化能力。第二篇论文提出了“ReLIT”（递归隐式 Transformer），一个框架，通过添加一个可训练的递归块来增强一个固定的 LLM，在输出前优化潜在思维，旨在弥合符号推理与自然语言连贯性之间的差距。 AI
影响 这些新框架有望为复杂的推理任务带来更高效、更强大的 LLMs。
排序理由 两篇发表在 arXiv 上的学术论文，详细介绍了用于改进 LLMs 隐式推理的新架构方法。
- arXiv
- Chain-of-Thought
- GLoRE
- Hugging Face
- large-language models
- ProofWriter
- Recursive Latent Implicit Transformer
- RuleTaker
- TinyLlama-1.1B
- Tiny Recursive Models
- Recurrent-Depth Transformers
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
