Diverge-to-Induce Prompting (DIP)

新的提示方法通过多种策略增强 LLM 的零样本推理能力

研究人员推出了一种名为 Diverge-to-Induce Prompting (DIP) 的新框架，旨在提高大型语言模型 (LLM) 的零样本推理能力。DIP 通过首先为给定问题生成多个多样化的、高层次的推理过程来解决单一策略提示的局限性。然后，每个推理过程被扩展成一个详细的计划，最后将这些计划综合成一个单一的最终计划。与依赖单一推理策略的方法相比，这种多计划归纳方法在零样本推理任务中表现出更高的准确性。