Pöytä vasemmalla Abstrakti ja 1. Johdanto 
 
 
 
 
 
 Liittyvät teokset Alustavaa Q*: Yleinen, monipuolinen ja ketterä harkintapuite LLM: lle Kokeilua Päätelmät ja viittaukset 3 Alustava 3.1 Formulate the Multi-step Reasoning of LLMs as an MDP 3.2 A* Search A* [30] on tärkeä heuristinen hakualgoritmi deliberatiivisessa suunnittelussa [38], moniaagenttien polkujen löytämisessä [39] ja rajoitusperusteiden perustelemisessa [40]. Alun perin A* ehdotettiin lyhyimmän polun löytämiseksi lähteestä s tavoitteeseen g polkujen suunnittelun ongelmissa. Se yhdistää jokaisen rajan kärjessä n arvon f(n) = g(n) + h(n), jossa g(n) on kertynyt polun kustannus lähteestä s ja h(n) on heuristinen arvo, joka arvioi lyhyimmän polun kustannukset n: stä tavoitteeseen g. Algoritmi hyväksyy parhaan ensimmäisen hakustrategian, ts. jokaisessa iteraatiossa se aina valitsee kärjessä pienimmän f-arvon 4 Q*: Yleinen, monipuolinen ja ketterä harkintapuite LLM: lle Useimmat nykyaikaiset LLM: t tuottavat luonnollisia kieliä automaattisesti regressiivisella tavalla, eli ennustavat seuraavaa tokenia järjestyksessä, joka on annettu aikaisemmin luotujen tokenien mukaan (ks. kohta (2)). Siksi, kun sitä sovelletaan monivaiheiseen päättelyyn, LLM: t voivat mahdollisesti tuoda virheitä, hallusinaatioita ja epäjohdonmukaisia lausuntoja myöhempään päättelyyn, jos jokin aikaisempi vaihe on virheellinen, mikä voi epäonnistua nykyisen ongelman ratkaisemisessa. 4.1 Estimation of Optimal Q-value 4.2 Deliberative Planning with A* 
 
 
 
 
 
 
 Kirjoittajat : (1) Chaojie Wang*, Skywork AI (2) Yanchen Deng*, Nanyangin teknillinen yliopisto (3) Zhiyi Lyu, Nanyangin teknillinen yliopisto (4) Liang Zeng, Skywork AI 5) Jujie He, Skywork AI Authors: (1) Chaojie Wang*, Skywork AI (2) Yanchen Deng*, Nanyangin teknillinen yliopisto (3) Zhiyi Lyu, Nanyangin teknillinen yliopisto (4) Liang Zeng, Skywork AI 5) Jujie He, Skywork AI 
 
 Tämä artikkeli on saatavilla arkivissä CC BY 4.0 -lisenssillä. Tämä paperi on Käyttöoikeus on CC BY 4.0. Saatavilla arkistoinnissa Saatavilla arkistoinnissa

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

AI Models on HackerNoon

Tämä ääni on tuotettu tarinan alkuperäisellä kielellä!

Opetus LLMs Miten "ajattele kahdesti"

About Author

KOMMENTIT

RIPUTA TAGSIA

TÄMÄ ARTIKKELI ESITETTIIN

Related Stories

Spaghetti

PENANCE

Why The "Missing Middle" Is The Biggest Untapped Opportunity in 2026

Tee Q1 markkinointi lasketaan: keskittyä, suorittaa, toimittaa

Spaghetti

PENANCE

Why The "Missing Middle" Is The Biggest Untapped Opportunity in 2026

Tee Q1 markkinointi lasketaan: keskittyä, suorittaa, toimittaa

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps