分解式提示：解决复杂任务的模块化方法

论文概述这项来自Allen AI的工作引入了分解式提示（Decomposed Prompting），一种通过提示将复杂任务分解为更简单子任务的模块化方法。每个子任务被委托给一个专门的基于提示的LLM库，允许进行优化、进一步分解，或用更有效的解决方案（包括训练模型或符号函数）替换。 论文信息： 发布时间：2022-10-05 作者：Tushar Khot, Harsh Trivedi, Matthew Finlayson等 机构：Allen Institute for AI 研究方向：提示工程、LLM推理 核心技术：任务分解（Task Decomposition） 研究背景大型语言模型在处理复杂任务时往往力不从心，单一提示难以涵盖所有必要的推理步骤。本研究针对以下问题展开： 现有问题 复杂任务难以用单一提示有效处理 不同子任务需要不同的专业知识和推理策略 缺乏系统化的任务分解和模块...

阅读全文