ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates
论文概览 论文标题：ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates 研究机构：Princeton University, Peking University 代码仓库：https://github.com/Gen-Verse/ReasonFlux ...
Research
SUPERCORRECT：SUPERVISING AND CORRECTING LANGUAGE MODELS WITH ERROR-DRIVEN INSIGHTS
论文概览 论文标题：SUPERCORRECT: SUPERVISING AND CORRECTING LANGUAGE MODELS WITH ERROR-DRIVEN INSIGHTS 研究机构：Peking University, National University of Singapore, UC Berkeley, Stanford University 代码仓库：https://github.com/YangLing0818/SuperCorrect-llm ...
Buffer of Thoughts：Thought-Augmented Reasoning with Large Language Models
施工中 论文翻译：https://dppemvhuzp.feishu.cn/docx/Rp4YdgRXAohJBaxWqL7cO9FPnJf?from=from_copylink ...
Towards Large Reasoning Models: A Survey of Reinforced Reasoning with Large Language Models
论文概览 论文标题：Towards Large Reasoning Models: A Survey of Reinforced Reasoning with Large Language Models 核心主题：从普通LLM到大型推理模型的演进之路 关键洞察：OpenAI o1系列标志着AI推理能力的重大突破 ...
Towards System 2 Reasoning in LLMs: Learning How to Think With Meta Chain-of-Thought
论文概览 论文标题：Towards System 2 Reasoning in LLMs: Learning How to Think With Meta Chain-of-Thought 研究机构：SynthLabs.ai, Stanford University, UC Berkeley 核心创新：元思维链（Meta-CoT）框架，从CoT到深度推理的革命性跃升 ...
Exploring the expertise of large language models in materials science and metallurgical engineering
单位： Christophe BAJANa,‡ and Guillaume LAMBARDa,‡ 代码：🈚️ 原文地址：https://arxiv.org/abs/2501.04277 overview 人工智能在各领域的整合正在迅速增加，大型语言模型（LLMs）在众多应用中也变得越来越普遍。这项研究是一个整体项目的一部分，该项目旨在专门在材料科学领域训练一个LLM。为了评估这种专门化训练的影响，必须建立现有LLMs在材料科学中的基线性能。在本研究中，我们使用MaScQA问答（QA）基准评估了15种不同的LLMs。该基准包括来自工程研究生入学考试（GATE）的问题，旨在测试模型在回答与材料科学和冶金工程相关的问题时的能力。我们的结果表明，闭源LLMs，如Claude-3.5-Sonnet和GPT-4o，表现最佳，总体准确率约为84%，而开源模型Llama3-70b和Phi3-14b的准确率分别约为56%和43%。这些发现为LLMs在材料科学QA任务中的原始能力提供了基线，并强调了通过提示工程和微调策略可以为开源模型带来的显著改进。我们预计这项工作将推动LLMs作为材料科学中有价值的助手的采用，展示它们在这一专业领域及相关子领域中的实用性。 ...
Enhancing Reasoning through Process Supervision with Monte Carlo Tree Search
论文概览 论文标题：Enhancing Reasoning through Process Supervision with Monte Carlo Tree Search 研究机构：AI Lab 基座模型：Llama-3.1-8B-Instruct, DeepSeek-Math-7B-Instruct 论文地址：https://arxiv.org/abs/2501.01478 ...