arXiv · cs.AI · Yifei Shi, Michalis Korakakis, Rami Aly, Eric Chamoun, Lukasz Szpruch, Andreas Vlachos · 11 小时前模型评分41
研究：逐步推理验证不必生成，分类即可
Stepwise Reasoning Verification: Don't Generate, Classify!
导读
一项研究把大语言模型的逐步推理验证改写为自然语言推理任务，将题目与部分解答前缀作为前提、下一步推理作为假设，判断其是否被蕴含，从而定位单步错误。在五个推理数据集上，0.15B 参数的编码器分类器优于多数最高 4B 参数的生成式验证器；相同解码器骨干下，0.5B 至 4B 参数区间分类优于生成，在最强 7B 骨干上持平，且所需标注题目约为原来的十分之一。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we cast stepwise verification as a natural language inference task: the problem and partial solution prefix form the premise, while the next reasoning step serves as the hypothesis to be classified as entailed or non-entailed.”
来源：arXiv · cs.AI · arxiv.org