研究人员开发了 Atomic MathReasoner (AMR),一个旨在通过组合专门的原子技能来增强大语言模型 (LLM) 数学推理能力的新框架。与单一方法不同,AMR 训练了一个包含不同推理能力的 LoRA 专家库,并使用无梯度优化来识别有效的组合原型。然后,该框架将这些原型提炼成一个轻量级路由器,在推理过程中为每个数学问题选择最佳的技能组合,从而在 AtomicMath 等基准测试中提高了准确性。实验显示了显著的提升,例如,将 Qwen2.5-Math-Instruct-7B 在 Level 1 的字段准确率从 64.4% 提高到 68.1%,并将逻辑推理性能从 39.4% 提升到 46.8%。 AI
影响 通过实现对专门推理技能的更好组合,这种方法有望使大模型在复杂的数学任务中更具能力。
排序理由 该集群包含一篇学术论文,详细介绍了一种改进大模型数学推理的新方法。[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 →