作者：小编 日期：2025-05-20 18:05:09 点击数：
随着以GPT-4、DeepSeek等为代表的大语言模型技术迅速发展，LLMs已成为当前人工智能领域的核心研究方向之一。依托海量参数与强大的语言建模能力，LLMs在文本生成、问答、翻译等多个自然语言处理任务中展现出卓越表现。然而在面对多项选择题任务时LLMs往往会受到错误选项的影响，错误的选项会对模型的理解和推理能力产生“认知负担”，导致LLMs时常给出看似正确但实则错误的答案。为应对这一难题，本文提出了模拟人类思维方式的大语言模型推理方法，简称Exclusion of Thought(EoT)，该方法通过引导大语言模型主动排除错误选项，从而有效降低外部干扰对模型推理路径的影响，显著减轻其“认知负担”。同时，EoT策略通过记录模型的排除过程，增强了其推理过程的透明性与可解释性，为解决当前人工智能“黑盒问题”提供了新的思路。EoT作为一种即插即用的方法，可以与现有的任何一种提示策略相结合。本文在6个多项选择题数据集和5个热门的LLM上进行了广泛而全面的实验。结果显示，EoT显示出一致的性能提升，在传统方法表现欠缺的复杂推理任务上提升更为明显。
此次论文成功入选ACL主会，充分展示了贵州大学在人工智能领域、特别是认知智能与语言推理方面的科研实力，也彰显了近年来学校强化计算机科学学科及人工智能科研团队建设的成效。贵州大学文本计算与认知智能科研团队最早组建于2008年，经过十几年的建设与发展，形成了从事文本挖掘与分析、自然语言处理、知识融合、认知智能、医学影像、数据智能等相关研究的特色科研团队，2022年获批文本计算与认知智能教育部工程研究中心，目前聚焦互联网文本分析、认知分析、法律大模型、智慧法院、智慧司法、医学影像分析与精准诊断等人工智能的交叉领域开展研究与应用。
2025-04-16
2025-06-24
2025-01-04
2024-12-26
移动商城
抖音店铺二维码
快手店铺二维码
