对 Astra 语言模型的最新分析表明，该模型在没有明确的思维链（CoT）推理的情况下成功完成复杂的多步任务，并非归因于大量的顺序步骤。相反，该模型似乎采用了“推测推理”的形式，即它基于启发式猜测中间结果，并在并行中对其进行迭代，直到它们自洽。这种方法允许 Astra 以比预期更少的串行步骤解决任务，尤其是在初始猜测准确的情况下。研究表明，虽然其他大型语言模型可能表现出类似的行为，但 Astra 的程度要大得多。 AI
影响 提出了新的 LLM 推理方法，可以提高复杂任务的效率。
排序理由 对 LLM 的推理能力和基准测试性能的分析。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
