Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.01478

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2501.01478 (cs)
[提交于 2025年1月2日 ]

标题: 通过蒙特卡洛树搜索进行过程监督以增强推理

标题: Enhancing Reasoning through Process Supervision with Monte Carlo Tree Search

Authors:Shuangtao Li, Shuaihao Dong, Kexin Luan, Xinhan Di, Chaofan Ding
摘要: 大型语言模型(LLMs)已经在各种任务中展示了其显著的能力。 然而,推理仍然是LLMs的挑战。 为了提高LLMs的推理能力,过程监督已被证明优于结果监督。 在本工作中,我们研究使用蒙特卡洛树搜索(MCTS)让LLMs自身生成过程监督数据以训练它们。 我们用LLM采样推理步骤,并为每个步骤分配一个分数,该分数捕捉其“相对正确性”,然后通过最小化生成推理步骤的加权对数似然来训练LLM。 这个先生成后训练的过程反复进行直到收敛。我们的实验结果表明,所提出的方法显著提高了LLMs在两个数学推理数据集上的性能。 此外,在一个数据集上训练的模型在另一个数据集上也表现出改进的性能,显示出增强推理能力的可迁移性。
摘要: Large language models (LLMs) have demonstrated their remarkable capacity across a variety of tasks. However, reasoning remains a challenge for LLMs. To improve LLMs' reasoning ability, process supervision has proven to be better than outcome supervision. In this work, we study using Monte Carlo Tree Search (MCTS) to generate process supervision data with LLMs themselves for training them. We sample reasoning steps with an LLM and assign each step a score that captures its "relative correctness," and the LLM is then trained by minimizing weighted log-likelihood of generating the reasoning steps. This generate-then-train process is repeated iteratively until convergence.Our experimental results demonstrate that the proposed methods considerably improve the performance of LLMs on two mathematical reasoning datasets. Furthermore, models trained on one dataset also exhibit improved performance on the other, showing the transferability of the enhanced reasoning ability.
评论: 5页,1图,2表,被AAAI 2025 NeurMAD研讨会接受
主题: 人工智能 (cs.AI) ; 计算与语言 (cs.CL); 机器学习 (cs.LG)
引用方式: arXiv:2501.01478 [cs.AI]
  (或者 arXiv:2501.01478v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01478
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xinhan Di [查看电子邮件]
[v1] 星期四, 2025 年 1 月 2 日 12:09:17 UTC (1,466 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs.AI
cs.CL
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号