【论文阅读-思维链的构造方法02】4.1.2 Automatic Construction-01

提示1：本篇博客中涉及4篇相关论文，预计阅读时间10分钟+，望各位友友耐心阅读～
提示2：本篇所有涉及的论文已打包发布，不需要任何积分即可下载，指路 --> 论文集下载地址

大模型技术-思维链CoT

思维链综述
思维链的构造方法01-Manual Prompting
论文阅读-思维链的构造方法02-Automatic Construction-01

文章目录

大模型技术-思维链CoT
前言
一、涉及论文
二、论文要点详解
- 2.1 Large Language Models are Zero-Shot Reasoners
- - 2.1.1 提出问题
  - 2.1.2 解决问题
  - 2.1.3 效果及展望
- 2.2 Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models
- - 2.2.1 提出问题
  - 2.2.2 解决问题
  - 2.2.3 效果及展望
- 2.3 Automatic Chain of Thought Prompting in Large Language Models
- - 2.3.1 提出问题
  - 2.3.2 解决问题
  - 2.3.3 效果及展望
- 2.4 Reprompting: Automated Chain-of-Thought Prompt Inference Through Gibbs Sampling
- - 2.4.1 提出问题
  - 2.4.2 解决问题
  - 2.4.3 效果及展望
三、总结

前言

4.1.2 Automatic Construction共涉及9篇博客，其中有1篇（PoT）在上一篇博客中已经讲解过了，这里不再赘述。由于篇幅限制，剩余的8篇论文将分文2篇博客进行介绍。

一、涉及论文

论文1：Large Language Models are Zero-Shot Reasoners, NeurIPS 2022
论文2：Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models, ACL 2023
论文3：Automatic Chain of Thought Prompting in Large Language Models, ICLR 2023
论文4：Reprompting: Automated Chain-of-Thought Prompt Inference Through Gibbs Sampling

二、论文要点详解

下面将针对上述提及的论文，从三方面进行讲解：1）提出了什么问题？2）如何解决的？3）效果及展望。

2.1 Large Language Models are Zero-Shot Reasoners

2.1.1 提出问题

虽然CoT技术的出现，使得LLMs在多步推理任务上（如算术、多步逻辑推理等复杂）的能力有所提升。但作者认为CoT技术违背了LLMs的缩放定律，使得LLMs的推理和响应都变慢了。

扩展知识

System 1和System 2的思维来自丹尼尔·卡尼曼（Daniel Kahneman）的《思考，快与慢》一书。里面介绍了两种不同的认知处理模式。System 1快速、自动且直观，几乎无需费力即可操作。这种思维模式使人类能够根据模式和经验做出快速决策和判断。相比之下，System 2是缓慢的、深思熟虑的和有意识的，需要有意识地努力。这种类型的思维用于复杂的问题解决和分析任务，在这些任务中需要更多的思考和考虑。

若有朋友知道该内容的原论文，还请私信发我，万分感谢！！！

2.1.2 解决问题

基于上述问题，作者提出了Zero-shot-CoT（Chain of Thought）的简单方法，通过在模型回答之前添加触发句Let’s think step by step，促使模型以链式推理方式逐步分解问题。与此前依赖于任务特定的Few-shot-CoT方法不同，Zero-shot-CoT无需任何示例，只需一个通用提示，适用于各种推理任务。方法对比如下图所示：
方案对比
注释： (a) 标准 Few-shot、(b) Few-shot-CoT、©标准 Zero-shot 和 (d) 我们的（Zero-shot-CoT）。

Zero-shot-CoT方法具体包含两阶段提示：第一阶段提取推理路径，第二阶段提取答案格式化结果。如下图所示：
本文方案

2.1.3 效果及展望

实验效果：
在多种数据集上（如MultiArith、GSM8K等），Zero-shot-CoT显著提升了语言模型的零样本性能。例如，在MultiArith数据集上准确率从17.7%提高到78.7%；在GSM8K上从10.4%提高到40.7%。如下图所示：
未来研究方向：
- 模板设计优化： 如何自动化生成更高效的通用提示模板。
- 结合指令微调： 将Zero-shot-CoT与微调模型结合，探索其在更大规模模型上的适用性。
- 推理能力分析： 深入挖掘大规模语言模型内潜在的多任务认知能力。
- 减轻偏见： 研究Zero-shot-CoT对语言模型固有偏见的影响，提升模型的公平性与透明性。

2.2 Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models

2.2.1 提出问题

作者仍然关注LLMs在复杂多步推理任务上的性能不足问题，特别是零样本场景下的推理能力。虽然上一篇提出的零样本链式推理（Zero-shot-CoT）方法能提升推理质量，但仍存在如下3个问题：
① 计算错误： 模型在执行基本运算时出错。
② 缺少步骤错误： 推理过程中漏掉关键步骤。
③ 语义误解错误： 对问题语义或推理逻辑的理解不到位。

2.2.2 解决问题

为了解决这些问题，本文提出了一种新的方法——计划与求解提示（Plan-and-Solve, PS），它由两个部分组成：首先，制定计划将整个任务划分为较小的子任务，然后根据计划执行子任务。为了解决计算错误并提高生成的推理步骤的质量，作者扩展了PS 提示，增加了更详细的说明，并衍生出PS+ 提示。具体包含以下关键步骤：
① 任务规划： 提示语言模型先理解问题并制定一个分解任务的计划，将复杂问题拆解为多个子任务。
② 执行任务： 根据制定的计划逐步完成子任务。
③ 改进提示模板（PS+）： 在提示中加入更详细的指令，如“提取相关变量及数值”、“计算中间结果”，以减少遗漏步骤和计算错误。
④ 答案提取： 通过附加的提示引导模型输出最终答案。

如下图所示，（a）是PS提示的样例；（b）是PS+提示的样例。

2.2.3 效果及展望

实验效果：
在 10 个数据集上（包括算术推理、常识推理和符号推理任务）验证了方法的有效性，具体实验结果如下图所示。
①零样本效果： PS+ 方法在所有数据集上均显著优于 Zero-shot-CoT，表现甚至接近少样本（8-shot）提示。PS+ 在某些任务上超越了零样本编程式推理（Program-of-Thought Prompting, PoT）。
②减少错误： PS+ 方法相比 Zero-shot-CoT 明显减少了计算错误（从 7% 降至 5%）和缺失步骤错误（从 12% 降至 7%）。
③ 扩展性： PS+ 的详细提示可轻松适配于非算术推理任务（如常识和符号推理）。
未来研究方向：
- 语义理解改进： PS+ 方法仍难以完全避免语义理解错误（目前约 27%），未来可探索更细化的提示策略。
- 计划优化： 研究如何生成更有效的计划或动态调整计划。
- 跨任务迁移： 验证 PS+ 在其他领域的通用性。

2.3 Automatic Chain of Thought Prompting in Large Language Models

2.3.1 提出问题

大型语言模型 (LLM) 可以通过生成中间推理步骤来执行复杂的推理任务。这些步骤由所谓的思路链 (CoT) 提示触发，它有两种形式：一种利用简单的提示，如“让我们一步一步思考”，以促进在回答问题之前进行逐步推理 (Zero-Shot-CoT)。另一种使用手动演示，每个演示都由一个问题和一个导致答案的推理链组成 (Manual-CoT)。然而，手动设计的少样本链式思维提示（Manual-CoT）尽管性能较好，但存在以下问题：
① 需要大量人力： 手动生成任务特定的演示需要专业知识，且成本高。
② 缺乏可扩展性： 不同任务需要不同的手动提示，难以适应多任务场景。
③ 零样本提示性能不足： 零样本提示（Zero-Shot-CoT）虽无需手动设计，但在复杂推理任务上的表现较差。

2.3.2 解决问题

作者提出了一种名为 Auto-CoT（自动链式思维提示） 的方法，用以自动生成演示，解决手动提示的依赖问题。其核心步骤包括：
① 问题聚类： 利用 Sentence-BERT 对问题进行向量化表示，采用 k-means 聚类将问题分为若干组。每组选择一个典型问题作为代表。
② 演示生成： 对每个代表问题，使用 Zero-Shot-CoT 提示生成推理链条。应用简单的质量控制标准（如推理步骤数不超过 5），筛选生成的演示以确保质量。
③ 多样性策略： 通过聚类增强问题的语义多样性，避免模型因过多相似错误而受到误导。

算法伪代码如下图所示：

2.3.3 效果及展望

实验效果：
Auto-CoT 在多个任务上表现接近甚至超越手动提示（Manual-CoT）。与零样本提示相比，Auto-CoT 提升了模型的推理能力。具体如下图所示：
未来研究方向：
- 模型改进： 探索更有效的质量控制和提示生成方法。
- 动态适配： 研究如何在流式输入或实时任务中动态更新演示。
- 错误分析： 深入研究错误来源及其对推理性能的影响。

2.4 Reprompting: Automated Chain-of-Thought Prompt Inference Through Gibbs Sampling

2.4.1 提出问题

本篇论文也是基于当前手工设计的CoT在LLMs中存在的局限这一问题进行开展的，与上一篇的出发点是雷同的。

2.4.2 解决问题

作者提出了一种名为 Reprompting 的自动化算法，利用Gibbs采样技术生成有效的CoT提示。核心步骤包括：
① 初始化提示： 使用零样本提示生成初始 CoT 提示。利用初始提示解决训练问题，筛选初步有效的提示。
② 迭代优化： 以初始提示为基础生成新提示，将新提示用于解决训练问题，并根据解答准确性筛选出更好的提示。通过拒绝采样机制保留部分错误但有潜力改进的提示，以提升多样性。
③ 跨模型组合： 在不同模型间进行提示初始化与优化，例如用 ChatGPT 初始化提示，随后由 InstructGPT 优化提示。
通过上述流程，算法逐步优化提示直至收敛，生成的提示可在测试问题上推广使用。

算法伪代码如下图所示：

2.4.3 效果及展望

实验效果：
作者在 20 项复杂推理任务（涵盖 Big-Bench Hard、GSM8K、MATH 等基准测试）上验证了 Reprompting 的有效性：相比人工设计提示平均提升了9.4个百分点；在多项任务中超越了当前最优提示优化算法（如 Auto-CoT 和 APO），提升幅度达11–33个百分点。具体如下图所示：
未来研究方向：
- 改进采样方法： 优化 Gibbs 采样流程，减少迭代次数。
- 任务无关提示： 探索生成能够跨任务通用的高效提示。
- 模型协同优化： 研究多模型联合优化提示的潜力，进一步提高性能。