计算机科学 > 人工智能
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.