Stôl vľavo Abstrakt a 1. úvod 
 
 
 
 
 
 Súvisiace práce predbežné Q*: Všeobecný, všestranný a agilný rámec pre LLM Experimenty Záver a referencie 3 Predbežné 3.1 Formulate the Multi-step Reasoning of LLMs as an MDP 3.2 A* Search A* [30] je dôležitý heuristický vyhľadávací algoritmus v deliberatívnom plánovaní [38], vyhľadávaní ciest viacerých agentov [39] a reštriktívnom uvažovaní [40]. Pôvodne bol A* navrhnutý na nájdenie najkratšej cesty zo zdroja s na cieľ g v problémoch s plánovaním ciest. Spája každý hraničný vrchol n s hodnotou f(n) = g(n) + h(n), kde g(n) je nahromadená cena cesty zo zdroja s a h(n) je heuristická hodnota, ktorá odhaduje cenu najkratšej cesty od n do cieľa g. Algoritmus prijíma najlepšiu stratégiu prvého vyhľadávania, t. j. v každej iterácii vždy vyberá vrchol s 4 Q*: Všeobecný, všestranný a agilný rámec pre LLM Väčšina moderných LLM generuje prirodzené jazyky automaticky regresívnym spôsobom, t. j. predpovedá ďalší token v sekvencii danej predtým generovanými tokenmi (porov. ek. (2)). Preto, keď sa aplikuje na problém viacstupňového uvažovania, LLM môže potenciálne zaviesť chyby, halucinácie a nekonzistentné vyhlásenia do následného uvažovania, ak je akýkoľvek predchádzajúci krok nesprávny, čo nemusí vyriešiť súčasný problém. 4.1 Estimation of Optimal Q-value 4.2 Deliberative Planning with A* 
 
 
 
 
 
 
 Autori : (1) Chaojie Wang*, Skywork AI (2) Yanchen Deng*, Nanyang Technologická univerzita (3) Zhiyi Lyu, Nanyang Technologická univerzita; (4) Liang Zeng, Skywork AI (5) Jujie He, Skywork AI Authors: (1) Chaojie Wang*, Skywork AI (2) Yanchen Deng*, Nanyang Technologická univerzita (3) Zhiyi Lyu, Nanyang Technologická univerzita; (4) Liang Zeng, Skywork AI (5) Jujie He, Skywork AI 
 
 Tento dokument je k dispozícii v archíve pod licenciou CC BY 4.0. Tento papier je Podlieha licencii CC BY 4.0. available on arxiv Dostupné v archíve

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

AI Models on HackerNoon

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Výučba LLM Ako "myslieť dvakrát"

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Mutmut: a Python mutation testing system

112 Stories To Learn About Hackernoon Community

THE CRAB-SPIDER

Code Smell 298 - How to Fix Microsoft Windows Time Waste

Mutmut: a Python mutation testing system

112 Stories To Learn About Hackernoon Community

THE CRAB-SPIDER

Code Smell 298 - How to Fix Microsoft Windows Time Waste

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps