Fiorenzo Parascandolo

新方法通过链长条件投票来改进LLM推理

研究人员引入了长度条件多数投票（LCMV），这是一种提高大型语言模型（LLM）推理准确性的新方法。LCMV利用了较长的思维链（CoTs）通常准确性较低的观察结果。该方法将其建模为长度条件先验概率，在测试时使用无标签数据进行调整，而无需对LLM进行微调。然后，这种调整后的先验会加权采样答案的投票，在各种LLM和推理基准测试中始终优于标准的多数投票和其他聚合策略。