LLM TREND

大模型技术趋势分享：LLM、RAG、Prompt、Agent、Fine-tuning等

推理

LLM

大模型推理能力进阶：Chain of Thought、Tree of Thoughts与自省式优化

llmtrend 没有评论

大语言模型（LLMs）在自然语言处理领域取得了显著进展，但其真正的潜力在于推理能力。如何在复杂问题中激发LLMs的推理潜能，使其像人类一样逐步思考，而非仅仅给出表面答案，成为当前研究的关键。本文将深入探讨几种提升大模型推理能力的有效技术，包括Chain of Thought (CoT) 提示、Tree of Thoughts (ToT) 以及自省式优化策略，并结合实际案例分析其应用与局限。 1.

LLM

大模型推理时技巧：释放LLM推理能力的钥匙

llmtrend 没有评论

随着2024年大模型技术的突飞猛进，特别是推理模型在数学、编程和科学领域的卓越表现，人们越来越关注如何充分挖掘大型语言模型（LLM）的潜力。Xinyun Chen (Google DeepMind) 在加州大学伯克利分校高级LLM Agent课程中的演讲，为我们揭示了一系列在推理时优化LLM性能的关键技术。本文将深入探讨这些推理时技巧，包括提示工程、思维链（Chain-of-Thought, Co

You Missed

LLM

大模型Chain of Thought：解锁AI推理黑盒，提升问题解决能力

LLM

从零开始训练语言模型：一份全面指南

LLM

Gemini 2.5 Pro预览版发布：编码性能超越DeepSeek R1和Grok 3 Beta？

LLM

模型上下文协议 (MCP)：AI集成的“USB-C”接口