Thinking with Nothinking Calibration: A New In-Context Learning Paradigm in Reasoning Large Langu...
文章主要内容总结本文提出了一种名为“Thinking with Nothinking Calibration(JointThinking)”的新型上下文学习(ICL)范式,旨在提升推理大型语言模型(RLLMs)的推理准确性。该方法的核心思路是:让模型并行生成两种答案——一种基于“Thinking模式”(生成详细推理链后得出答案),另一种基于“Nothinking模式”(直接生成答案,无详细推理)。若两种答案一致,则采用Thinking模式的结果;若不一致,则触发第二轮Thinking,结合原问题和两种候选答案进行再推理以解决分歧。实验表明,JointThinking在多个数学推理基准(如GSM8K、MATH500、AIME24等)上显著优于少样本思维链(few-shot CoT)、多数投票等现有方法,且答案鲁棒性更强。与训练基的最先进(SOTA)方法相比,其在分布内任务上性能相当,但在分布外任务上表现更优。此外,该方法仅在约6%的情况下需要第二轮推理(如GSM8K数据集),延迟开销极小,且随着模型规模增大,第二轮推理的性能提升明显,显示出良好的可扩展性。文章创新点提出新型ICL范式:首次利用Thinking模式(详细推理)与Nothinking模式(直接答案)的结构差异和互补性,设计了JointThinking方法,通过一致性校验和选择性第二轮推理提升准确性。性能优势显著:在多个推理基准上超越少样本思维链、多数投票等方法,且在分布外任务上的泛化能力远超训练基方法。低开销与高可扩展性

相关新闻

CogBench: A Large Language Model Benchmark for Multilingual Speech-Based Cognitive Impairment Ass...

CogBench: A Large Language Model Benchmark for Multilingual Speech-Based Cognitive Impairment Ass...

主要内容 本文聚焦于基于语音的认知障碍自动评估,针对现有方法在跨语言和跨临床场景下泛化能力不足的问题,提出了首个用于评估大型语言模型(LLMs)在该任务中跨语言和跨站点泛化能力的基准CogBench。 研究使用统一的多模态流程,在涵盖英语和普通话的三个语音数据集(ADRe…

2026/10/28 5:03:59 阅读更多 →
Board Game Arena: A Framework and Benchmark for Assessing Large Language Models via Strategic Play

Board Game Arena: A Framework and Benchmark for Assessing Large Language Models via Strategic Play

文章主要内容总结 本文介绍了Board Game Arena,这是一个基于Google OpenSpiel库的框架和基准,用于通过策略性棋盘游戏评估大型语言模型(LLMs)的决策能力。该框架支持多种游戏(如井字棋、四子棋、库恩扑克、囚徒困境等),可实现LLM代理与其他类型代理(随机、人类、强化学…

2026/11/16 22:06:24 阅读更多 →
On the Evaluation of Large Language Models in Multilingual Vulnerability Repair

On the Evaluation of Large Language Models in Multilingual Vulnerability Repair

文章主要内容总结 本文针对大型语言模型(LLMs)在多语言软件漏洞修复中的表现开展了大规模实证研究,核心内容如下: 研究背景:现有基于深度学习的漏洞修复方法多局限于C/C++语言,而LLMs具备语言无关性和强语义理解能力,有望突破这一限制,但目前其在多语言漏洞修复中的有…

2026/10/25 14:32:09 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/16 8:22:12 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/16 6:41:34 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/16 8:22:12 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/16 8:22:12 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/16 7:30:18 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/16 8:22:12 阅读更多 →

日新闻

周新闻

月新闻