LLMの思考の性能をモンテカルロ木探索で引き上げる

テクノロジーカテゴリーの変更を依頼記事元:

zenn.dev/knowledgesense

30 usersがブックマークコメント

コメント

1

記事へのコメント1件

注目コメント
新着コメント

misshiki “タスクに対して抽象的なアクションに則る形で解き方を定義し、それに従ってタスクを解いて行くことで性能を向上させる手法「HiAR-ICL」について紹介しました。”

自然言語処理

2024/12/05 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

{{ total_bookmarks_with_user_postfix }}{{ root_title }}

LLMの思考の性能をモンテカルロ木探索で引き上げる

導入こんにちは、株式会社ナレッジセンスの須藤英寿です。普段はエンジニアとして、LLMを使用したチャ... 導入こんにちは、株式会社ナレッジセンスの須藤英寿です。普段はエンジニアとして、LLMを使用したチャットのサービスを提供しております。今回は、推論ステップをモンテカルロ木探索を用いて導き出し、複雑なタスク(例えば、数学の問題を解くなど)での性能を大幅に引き上げる手法、「HiAR-ICL」について解説します。サマリー LLMに複雑なタスクを任せるための手法は、これまで様々なものが提案されてきました。有名なところで「ステップバイステップで考えて」とLLMに伝える手法や、Chain of Thoughtなどが挙げられます。今回紹介するHiAR-ICLもそんな手法の一つですが、推論ステップの抽象化、推論ステップの探索と個別のタスクへの適応によって同じLLMモデルを使用した他の手法と比べて、高い精度を実現しました。複雑な推論を得意とするモデルとしてすでにo1モデルが存在していますが、以下の観

ブックマークしたユーザー

deejayroka2024/12/06
sarahpetersonn_vV6n_vV2024/12/06
egordonU2024/12/05
yug12242024/12/05
yuiseki2024/12/05
Nunocky2024/12/05
midas365452024/12/05
misshiki2024/12/05
kybernetes2024/12/05
triceratoppo2024/12/05
naggg2024/12/05
t_ysmr2024/12/05
en-en-ra2024/12/05
jack09092024/12/05
tarumomi2024/12/05
yowa2024/12/05
toshikish2024/12/04

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx