English(EN) Cognitive Mapping of Learning by Thinking Mechanisms in Large Language Models

新框架映射LLM中的“通过思考进行学习”

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

一篇新论文提出了一个框架，用于理解大型语言模型（LLM）如何展现出类似于人类认知过程的“通过思考进行学习”（LbT）机制。“认知LbT框架”识别出四个关键机制：反思性推理、合成记忆形成、内部模拟和概念自组织。该论文分析了诸如思维链提示（Chain-of-Thought prompting）和思维树搜索（Tree-of-Thoughts search）等当前方法如何在功能上近似这些机制，从而在没有新标记数据的情况下提高任务性能，例如在Super-NaturalInstructions上报告的33%的提升。然而，这些LLM的LbT过程也导致了诸如幻觉扩散和高计算成本等特征性失败，这源于与人类认知的结构不对称性。 AI

影响提供了一种结构化的方法来分析和潜在地改进LLM的推理和学习能力。

排序理由该项目是一篇学术论文，提出了一个理解LLM能力的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇学术论文，提出了一个理解LLM能力的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Dong Han, Jin Zhang, Kunyue Yang · 2026-11-11 05:00

大型语言模型中通过思考机制进行学习的认知映射

arXiv:2611.14382v1 Announce Type: new Abstract: Large language models (LLMs) increasingly exhibit capabilities that resemble human Learning by Thinking (LbT), the acquisition of new insight through internal processes such as explanation and reasoning, without new external input. …

本文如何被排名

报道来源 [1]

大型语言模型中通过思考机制进行学习的认知映射

相关实体

相关话题